公开(公告)号：CN110083160B

公开(公告)日：2022-04-19

申请号：CN201910406713.0

申请日：2019-05-16

Applicant: 哈尔滨工业大学(深圳)

Inventor： 李建刚 ,  钟刚刚 ,  吴雨璁 ,  苏中秋

IPC: G05D1/02

Abstract: 本发明公开了一种基于深度学习的机器人轨迹规划方法，先通过建立机器人的运动学模型，并给机器人一个基础规划轨迹，让机器人运动起来，采集机器人的实时信息，包括位置，力矩等信息，建立机器人的动力学模型，然后，利用Q‑learning强化学习得到最优的规划轨迹；该发明基于实际采集数据进行建模和学习，避免了在理想环境下建模。该套方法可以在各种复杂的环境中应用于工业机器人因为其具有参数自学习，自调整的能力。在机器人一致性较好的情况下，机器人学习到的模型可以共享给同类型机器人平台。这一研究在工业生产中，具有广泛的应用前景。

公开(公告)号：CN110083160A

公开(公告)日：2019-08-02

申请号：CN201910406713.0

申请日：2019-05-16

Applicant: 哈尔滨工业大学(深圳)

Inventor： 李建刚 ,  钟刚刚 ,  吴雨璁 ,  苏中秋

IPC: G05D1/02

Abstract: 本发明公开了一种基于深度学习的机器人轨迹规划方法，先通过建立机器人的运动学模型，并给机器人一个基础规划轨迹，让机器人运动起来，采集机器人的实时信息，包括位置，力矩等信息，建立机器人的动力学模型，然后，利用Q-learning强化学习得到最优的规划轨迹；该发明基于实际采集数据进行建模和学习，避免了在理想环境下建模。该套方法可以在各种复杂的环境中应用于工业机器人因为其具有参数自学习，自调整的能力。在机器人一致性较好的情况下，机器人学习到的模型可以共享给同类型机器人平台。这一研究在工业生产中，具有广泛的应用前景。