基于仿人自适应DDPG算法的机械臂运动规划研究
Research on Motion Planning of Manipulator Based on Humanoid Adaptive DDPG Algorithm
投稿时间:2022-06-01  修订日期:2022-06-01
DOI:
中文关键词: 机械臂  奖励函数  运动约束  自适应
英文关键词: Mechanical arm  Reward function  Motion constraint  Adaptive dynamic adjustment
基金项目:国家民委中青年英才培养计划(项目编号:MZR20007);湖北省科技重大专项(2020AEA011);武汉市科技计划应用基础前沿项目(2020020601012267);中央高校基本科研业务费专项资金资助项目(CZQ21026)
作者单位邮编
汪红 中南民族大学 计算机科学学院 农业区块链与智能管理湖北省工程研究中心湖北省制造企业智能管理工程技术研究中心 
解伟 中南民族大学 计算机科学学院 农业区块链与智能管理湖北省工程研究中心湖北省制造企业智能管理工程技术研究中心 
田莎莎 中南民族大学 计算机科学学院 农业区块链与智能管理湖北省工程研究中心湖北省制造企业智能管理工程技术研究中心 430074
帖军 中南民族大学 计算机科学学院 农业区块链与智能管理湖北省工程研究中心湖北省制造企业智能管理工程技术研究中心 
昂寅 中南民族大学 计算机科学学院 农业区块链与智能管理湖北省工程研究中心湖北省制造企业智能管理工程技术研究中心 
摘要点击次数: 55
全文下载次数: 0
中文摘要:
      针对现代大棚高架栽培技术中作物种植密度大,机械臂采摘容易受到旁边植株影响的实际问题,本文对人手臂的运动特点进行采样分析,得出了人手臂的运动特征,并基于此提出了基于仿人自适应DDPG算法的机械臂运动规划方法。仿人自适应DDPG算法的奖励函数融合了人手臂的运动约束,从而令机械臂模仿人手的运动特性;另外,该算法采用自适应采样策略来对经验缓冲池中轨迹经验的优先级进行自适应动态调整,从而避免算法陷入局部最优,加快算法的训练速度。将仿人自适应DDPG算法在PyBullet仿真平台上进行实验,经过300轮训练,最终机械臂的抓取成功率高达96.5%,且机械臂在执行抓取操作的过程中各关节的运动范围皆符合人手臂运动时的关节范围。
英文摘要:
      Aiming at the practical problem that crop planting density is large in modern greenhouse overhead cultivation technology and the picking of mechanical arm is easily affected by the nearby plants, this paper sampled and analyzed the motion characteristics of human arm, obtained the motion characteristics of human arm, and proposed the motion planning method of mechanical arm based on the humanoid adaptive DDPG algorithm. The reward function of the humanoid adaptive DDPG algorithm integrates the motion constraints of the human arm so that the robot arm can imitate the motion characteristics of the human hand. In addition, the algorithm adopts adaptive extraction strategy to dynamically adjust the priority of trajectory experience in the experience buffer pool, so as to avoid falling into local optimum and accelerate the training speed of the algorithm. In this paper, the humanoid adaptive DDPG algorithm was tested on the PyBullet simulation platform. After 300 rounds of training, the grasping success rate of the robot arm was up to 96.5%, and the range of motion of each joint during the grasping operation of the robot arm was consistent with the range of joint movement of the human arm.
View Fulltext   查看/发表评论  下载PDF阅读器
关闭