基于强化学习的机器人时间最优轨迹规划方法及控制器

摘要

本发明公开了基于强化学习的机器人时间最优轨迹规划方法及控制器，所述方法包括以下步骤：S1将任务路径的各关节参数输入到路径参数化模块转化为关于末端路径的标量参数；S2将参数化后的路径输入到路径离散化模块进行路径离散化；S3将离散化后的路径输入到强化学习模块中构建强化学习环境；S4使用强化学习模块学习最优的策略轨迹；S5运行策略轨迹获得反馈的关节力矩；S6将反馈的关节力矩输入到强化学习模块从而对强化学习环境进行修正；S7使用强化学习模块学习最优的策略轨迹；S8重复步骤S5‑步骤S7，直到强化学习环境不再更新。