公开(公告)号：CN115599061A

公开(公告)日：2023-01-13

申请号：CN202211313327.5

申请日：2022-10-25

Applicant: 广东工业大学(CN) ,  广东能哥知识科技有限公司(CN)

Inventor： 程良伦 ,  蔡明昕 ,  王涛

IPC: G05B19/418

Abstract: 本发明公开了一种组件化的智能机器人系统构建开发方法，包括以下步骤：S1：定义机器人系统各类组件模型，搭建机器人系统组件库；S2：对功能块进行形式化验证；S3：在分布式应用程序设计时，将图形化的功能块进行组合，生成机器人控制任务；S4：在底层设备运行时，功能块调用第三方库，编译生成机器人控制组件；S5：在本机上运行底层设备运行时，并将编译生成机器人控制任务通过TCP/IP协议下发底层设备运行时中，生成机器人控制应用程序；解决了随着工业机器人市场需求量增加，工业机器人的使用场景与功能需求日趋复杂，机器人系统开发门槛高，开发周期过长，开发成本高昂的问题。

公开(公告)号：CN113110516B

公开(公告)日：2023-12-22

申请号：CN202110553930.X

申请日：2021-05-20

Applicant: 广东工业大学

Inventor： 程良伦 ,  蔡明昕 ,  王涛

IPC: G05D1/02

Abstract: 本发明公开了一种深度强化学习的受限空间机器人作业规划方法，包括：获取机器人的当前状态；将当前状态输入预设的最优行动网络模型，输出待执行动作；接收机器人执行待执行动作后返回的更新状态；将更新状态作为新的当前状态，跳转执行将当前状态输入预设的最优行动网络模型，输出待执行动作的步骤，直至机器人到达预设的目标位置。从而更为快速准确地为机器人的移动路径与执行动作进行规划。

公开(公告)号：CN113110516A

公开(公告)日：2021-07-13

申请号：CN202110553930.X

申请日：2021-05-20

Applicant: 广东工业大学

Inventor： 程良伦 ,  蔡明昕 ,  王涛

IPC: G05D1/02

Abstract: 本发明公开了一种深度强化学习的受限空间机器人作业规划方法，包括：获取机器人的当前状态；将当前状态输入预设的最优行动网络模型，输出待执行动作；接收机器人执行待执行动作后返回的更新状态；将更新状态作为新的当前状态，跳转执行将当前状态输入预设的最优行动网络模型，输出待执行动作的步骤，直至机器人到达预设的目标位置。从而更为快速准确地为机器人的移动路径与执行动作进行规划。