基于深度强化学习的无序抓取多目标优化方法及系统

摘要

本发明属于机械臂无序抓取领域，具体涉及一种基于深度强化学习的无序抓取多目标优化方法及系统，其中，基于深度强化学习的无序抓取多目标优化方法通过两个并行独立的Q网络，并在同一时刻处理同一场景，机械臂对两个网络各自的抓取点执行抓取，并返回执行路径、抓取功耗等参数。在Q网络之间会区分两者关于执行路径、抓取功耗等抓取效果的优劣，并产生对应的奖励值。Q网络接受内部和外部双重的奖励函数反馈，解决了单Q网络的奖励值函数只能是离散数据的问题，将执行路径、抓取功耗等连续数据加入到奖励值函数中，从而进一步优化抓取点的选取。