基于深度强化学习的工业机器人避障路径规划方法

作     者：李文彪 LI Wen-biao

作者机构：广州华商学院数据科学学院广州510535 

出 版 物：《制造业自动化》 (Manufacturing Automation)

年 卷 期：2022年第44卷第1期

页      码：127-130页

摘      要：常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低。提出基于深度强化学习的工业机器人避障路径规划方法。利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径。选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的简单场景和复杂场景,实验结果表明,设计方法减少了避障路径规划时间和长度,提高了规划成功率。

主 题 词：深度强化学习 工业机器人 避障路径 距离方位 奖赏函数 BP神经网络 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1009-0134.2022.01.029

馆 藏 号：203107193...