-
公开(公告)号：CN112102405A
公开(公告)日：2020-12-18
申请号：CN202010870698.8
申请日：2020-08-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习的机器人搅动‑抓取组合方法，包括以下步骤：首先分别搭建一个真实环境下和仿真环境下的机器人搅动‑抓取执行平台；将机器人的搅动‑抓取过程建模为马尔科夫过程，构建状态空间、动作空间及奖励函数；再构建基于深度强化学习的机器人搅动‑抓取学习框架和深度强化学习网络；然后在仿真平台上重复进行搅动‑抓取动作尝试，采集经验样本数据，并按照马尔科夫过程，对深度强化学习网络进行自监督训练；最后将训练好的网络模型迁移到真实环境中，并对真实环境下的机器人进行实际训练。本发明在面对随机的抓取场景和新颖的抓取物体时，能够感知和分析场景，决策执行搅动或抓取动作、动作位置以及动作方向。
-
公开(公告)号：CN112102405B
公开(公告)日：2022-11-15
申请号：CN202010870698.8
申请日：2020-08-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习的机器人搅动‑抓取组合方法，包括以下步骤：首先分别搭建一个真实环境下和仿真环境下的机器人搅动‑抓取执行平台；将机器人的搅动‑抓取过程建模为马尔科夫过程，构建状态空间、动作空间及奖励函数；再构建基于深度强化学习的机器人搅动‑抓取学习框架和深度强化学习网络；然后在仿真平台上重复进行搅动‑抓取动作尝试，采集经验样本数据，并按照马尔科夫过程，对深度强化学习网络进行自监督训练；最后将训练好的网络模型迁移到真实环境中，并对真实环境下的机器人进行实际训练。本发明在面对随机的抓取场景和新颖的抓取物体时，能够感知和分析场景，决策执行搅动或抓取动作、动作位置以及动作方向。
-
公开(公告)号：CN113664828A
公开(公告)日：2021-11-19
申请号：CN202110941149.X
申请日：2021-08-17
Applicant: 东南大学
Abstract: 本发明公开一种基于深度强化学习的机器人抓取‑抛掷方法。首先利用抓取端相机获取抓取工作空间场景的图像信息，并转换为深度俯视图和彩色俯视图，接着输入到深度Q网络中，输出抓取示力图筛选得到抓取位置；然后机器人在目标抓取位置处执行抓取动作，并根据手爪闭合情况来判断物体抓取是否成功；若抓取成功则根据抓取位置提取目标物体的局部深度和彩色图像输入至抛掷网络，根据该物体对应的落点目标框，得到物体所需的抛出速度；机器人以该速度执行抛掷动作，根据物体实际落点位置，判定被抛掷体是否落入目标框的内部，以此作为抛掷动作的奖励。循环训练以上步骤得到抓取‑抛掷网络模型。本发明能够在非结构化环境下执行抓取‑抛掷任务。
-
-
Search Results
3
records
(took 0.014 seconds)
