发明

在动态环境中基于深度强化学习的机械臂实时控制方法2025

2023-11-16 07:24:59 发布于四川 6
  • 申请专利号:CN202311032731.X
  • 公开(公告)日:2025-11-11
  • 公开(公告)号:CN117021091A
  • 申请人:广东工业大学|||广东能哥知识科技有限公司
摘要:本申请公开了一种在动态环境中基于深度强化学习的机械臂实时控制方法,所述方法包括获取机械臂状态信息、障碍物状态信息以及目标点状态信息,采用人工势场方法,计算目标点的的吸引速度和障碍物的排斥速度,获得机械臂的第一控制动作,采用深度强化学习算法,获得机械臂的第二控制动作,根据第一控制动作和第二控制动作,进行动作叠加,获得机械臂的实时控制动作,执行路径规划任务。本申请结合深度强化学习和人工势场法的优势,能够在复杂的控制环境中实现更精准的机械臂运动,控制机械臂在非结构化的复杂环境中执行路径规划任务时的避障能力和学习效率,实现在动态环境中精确、高效地控制机械臂运动。本申请广泛应用于机械臂控制技术领域。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117021091 A (43)申请公布日 2023.11.10 (21)申请号 202311032731.X (22)申请日 2023.08.15 (71)申请人 广东工业大学 地址 510062 广东省广州市东风东路729号 申请人 广东能哥知识科技有限公司 (72)发明人 程良伦 周美龙 王涛  (74)专利代理机构 广州嘉权专利商标事务所有 限公司 44205 专利代理师 任宇杭 (51)Int.Cl. B25J 9/16 (2006.01) 权利要求书3页 说明书8页 附图2页 (54)发明名称 在动态环境中基于深度强化学习的机械臂 实时控制方法 (57)摘要 本申请公开了一种在动态环境中基于深度 强化学习的机械臂实时控制方法,所述方法包括 获取机械臂状态信息、障碍物状态信息以及目标 点状态信息,采用人工势场方法,计算目标点的 的吸引速度和障碍物的排斥速度,获得机械臂的 第一控制动作,采用深度强化学习算法,获得机 械臂的第二控制动作,根据第一控制动作和第二 控制动作,进行动作叠加,获得机械臂的实时控 制动作,执行路径规划任务。本申请结合深度强 化学习和人工势场法的优势,能够在复杂的控制 环境中实现更精准的机械臂运动,控制机械臂在 A 非结构化的复杂环境中执行路径规划任务时的 1 避障能力和学习效率,实现在动态环境中精确、 9 0 1 高效地控制机械臂运动。本申请广泛应用于机械 2 0 7 臂控制技术领域。

最新专利