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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD