申请/专利权人:南京航空航天大学
申请日:2023-11-27
公开(公告)日:2024-03-08
公开(公告)号:CN117656061A
主分类号:B25J9/16
分类号:B25J9/16
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.26#实质审查的生效;2024.03.08#公开
摘要:本发明公开了一种融合深度强化学习的改进RRT多机械臂空间机器人路径规划方法,包括如下步骤:步骤1、建立初始状态下的四机械臂七自由度空间机器人模型、四个运动目标点和中间障碍物;步骤2、确认机器人各机械臂的起始位姿和目标位姿,利用机器人的逆运动学分析,求得各机械臂对应的关节角度;步骤3、在快速搜索随机树RRT算法的基础上,引入了深度强化学习思想,搜索出各机械臂同时出发,起始与目标位置间的无碰撞路径;步骤4、引入路径优化算法,将规划路径进行平滑处理,以优化路径规划的结果。本发明能够有效解决多机械臂间的高精度避障问题,减少路径规划的时间,提高规划实时性。
主权项:1.一种融合深度强化学习的改进RRT多机械臂空间机器人路径规划方法,其特征在于,包括如下步骤:步骤1、建立初始状态下的四机械臂七自由度空间机器人模型、四个运动目标点和中间障碍物;步骤2、确认机器人各机械臂的起始位姿和目标位姿,利用机器人的逆运动学分析,求得各机械臂对应的关节角度;步骤3、在快速搜索随机树RRT算法的基础上,引入了深度强化学习思想,搜索出各机械臂同时出发,起始与目标位置间的无碰撞路径;步骤4、引入路径优化算法,将规划路径进行平滑处理,以优化路径规划的结果。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种融合深度强化学习的改进RRT多机械臂空间机器人路径规划方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。