基于深度强化学习的混杂场景目标物体推抓协同策略OA北大核心
为提高机器人在混杂场景中抓取被遮挡目标物体的成功率和效率,提出一种基于深度强化学习的“推动”和“抓取”协同推抓策略。该策略利用两个深度Q网络,以RGB-D图像为输入来确定推动或抓取动作,并通过推动改变物体排列以优化抓取条件。该网络使用“抓推抓”三阶段模型训练方法显著提高了抓取能力。基于图像形态处理的方法识别并过滤低质量抓取动作,从而提高成功率和效率。实验结果表明,该方法有效提高了目标物体的抓取成功率和效率。
胡楷雄;宋远航;周勇;李卫东
武汉理工大学交通与物流工程学院,武汉430063武汉理工大学交通与物流工程学院,武汉430063武汉理工大学交通与物流工程学院,武汉430063上海理工大学机械工程学院,上海200093
金属材料
机器人抓取混杂场景深度强化学习多动作协同
《中国机械工程》 2025 (1)
P.133-140,8
国家自然科学基金(51975444)。
评论