一种基于深度强化学习的机器人自适应抓取方法

本发明提供了一种基于深度强化学习的机器人自适应抓取方法，具体步骤如下：

1. 在距离待抓取目标一定距离时，机器人通过前部的摄像头获取目标的照片。
2. 根据照片，利用双目测距方法计算出目标的位置信息。
3. 将计算出的位置信息用于机器人导航。
4. 当目标进入机械手臂抓取范围内时，再次通过前部的摄像头拍摄目标的照片。
5. 利用预先训练过的基于DDPG的深度强化学习网络对照片进行数据降维和特征提取。
6. 根据特征提取结果得出机器人的控制策略。
7. 机器人利用控制策略来控制运动路径和机械手臂的位姿。
8. 从而实现目标的自适应抓取。

该抓取方法能够对大小形状不同、位置不固定的物体实现自适应抓取，具有良好的市场应用前景。

本发明提供了一种基于深度强化学习的机器人自适应抓取方法，步骤包括：在距离待抓取目标一定距离时，机器人通过前部的摄像头获取目标的照片，再根据照片利用双目测距方法计算出目标的位置信息，并将计算出的位置信息用于机器人导航；当目标进入机械手臂抓范围内时，再通过前部的摄像头拍摄目标的照片，并利用预先训练过的基于DDPG的深度强化学习网络对照片进行数据降维特征提取；根据特征提取结果得出机器人的控制策略，机器人利用控制策略来控制运动路径和机械手臂的位姿，从而实现目标的自适应抓取。该抓取方法能够对大小形状不同、位置不固定的物体实现自适应抓取，具有良好的市场应用前景。