基于神经网络深度强化学习的分拣机器人避障规划技术

摘要：

分拣机器人的避障决策过程较为复杂,为提高分拣机器人的工作效果,设计基于神经网络深度强化学习的分拣机器人避障规划技术.首先,在动力学场景中设置障碍物,利用马尔科夫决策过程获取分拣机器人的运动状态后,判断障碍目标.在对神经网络实施深度优化学习后,设置了导引奖赏机制,并结合人工势场法建立连续型奖励函数,引导机器人向正确方向运动.将分拣机器人运动状态输入到神经网络中,在导引奖赏机制的引导下实现分拣机器人的避障.在环境中设置了障碍物,实现环境搭建,仿真测试实验结果表明:该方法具有较高的避障能力,可引导机器人在运动过程中做出正确的动作,进而实现精准避障.

关键词：分拣机器人、马尔科夫决策、神经网络、深度强化学习、避障规划

分类号：TP242.2(自动化技术及设备)

资助基金：上海市教育委员会上海市民办教育发展基金会民智计划

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：46-50