复杂环境下基于推抓协同操作的目标物体抓取
孙先涛1
唐思宇1
陈文杰1
贺春东1
智亚丽1
陈伟海2
1.安徽大学电气工程与自动化学院,安徽合肥 2306012.北京航空航天大学自动化科学与电气工程学院,北京 100191
摘要：针对现有抓取技术在复杂环境下难以进行有效的目标导向性抓取的问题,本文提出了一种基于深度强化学习的推动和抓取协同操作的方法.相对于以往的抓取方法,本方法使用深度学习来处理Intel-D435i相机所获得的RGB-D图像数据,同时又在视觉网络中引入了注意力机制,用来提高系统对工作区域内目标物体的敏感性.其次,使用深度Q网络来学习UR5机械臂与环境之间的交互过程,提出了密集奖励策略来评判推动或抓取操作的好坏.随着训练次数的不断增加,UR5机械臂在训练过程中不断地优化两种操作之间的协同策略,从而更高效的进行决策.最后,在V-rep仿真平台上设计了仿真场景,并进行测试,平均抓取成功率达到92.5％.通过与其他几种方法进行对比,证明该方法可以在复杂环境下较好的完成目标物体的抓取任务.
关键词：深度强化学习神经网络机械臂抓取Q网络
论文发表日期：2023-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1713-1720 )
英文信息