基于深度强化学习的机械臂避障轨迹规划研究
曹毅
郭银辉
李磊
朱柏宇
赵治华
河南工业大学 机电工程学院, 河南 郑州 450001
摘要：针对传统路径规划算法在机械臂避障运动时存在规划时间长、路径冗长等问题,提出了一种基于深度强化学习(Deep Reinforcement Learning,DRL)的运动规划方法.首先,构建了机械臂数学模型和运动环境,并在PyBullet中搭建了DOBOT机械臂与操作环境,设置了DRL所需的奖励函数、动作变量和状态变量等参数.其次,针对静态障碍物规避问题的特点,采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法,进行了运动仿真试验.仿真结果表明,相较于快速扩展随机树(Rapid-exploring Random Tree,RRT)算法以及改进RRT算法,所提出的DDPG算法在规划时间和路径长度方面均有一定程度提高.最后,在实验室中采用DOBOT机械臂对DDPG算法在多种障碍物环境下避障操作的有效性进行了验证.
关键词：机械臂深度强化学习避障路径规划深度确定性策略梯度算法
资助基金：河南省教育厅自然科学基金项目(20A413004)小麦和玉米深加工国家工程实验室项目(NL2016012)河南省创新科技人员队伍建设项目(114100510015)
论文发表日期：2023-12-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 40-46,96 )
英文信息