技術(shù)特征：

1.一種面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述基于移動(dòng)機(jī)械臂拍攝的深度圖像，確定環(huán)境特征以及移動(dòng)機(jī)械臂關(guān)節(jié)變化時(shí)的位置梯度，包括：

3.根據(jù)權(quán)利要求1所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述通過強(qiáng)化學(xué)習(xí)訓(xùn)練的演員-評(píng)論家網(wǎng)絡(luò)對移動(dòng)機(jī)械臂的運(yùn)動(dòng)狀態(tài)和運(yùn)動(dòng)動(dòng)作進(jìn)行策略規(guī)劃，得到移動(dòng)機(jī)械臂中末端執(zhí)行器的期望速度，包括：

4.根據(jù)權(quán)利要求3所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述構(gòu)建演員-評(píng)論家網(wǎng)絡(luò)在強(qiáng)化學(xué)習(xí)的迭代時(shí)間步上的最大熵，包括：

5.根據(jù)權(quán)利要求3所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述演員-評(píng)論家網(wǎng)絡(luò)的策略規(guī)劃訓(xùn)練過程包括：

6.根據(jù)權(quán)利要求5所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述通過最小化所述kl散度來更新所述演員網(wǎng)絡(luò)的參數(shù)和所述評(píng)論網(wǎng)絡(luò)的參數(shù)，是通過計(jì)算所述kl散度的更新梯度、并將所述更新梯度的更新目標(biāo)設(shè)置為當(dāng)前軟狀態(tài)動(dòng)作回報(bào)的時(shí)間差分誤差來實(shí)現(xiàn)的，所述更新梯度的計(jì)算過程包括：

7.根據(jù)權(quán)利要求6所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述演員-評(píng)論家網(wǎng)絡(luò)中包括兩個(gè)評(píng)論網(wǎng)絡(luò)，所述當(dāng)前軟狀態(tài)動(dòng)作回報(bào)的分布是通過調(diào)用貝葉斯控制函數(shù)，對兩個(gè)評(píng)論網(wǎng)絡(luò)在進(jìn)行策略評(píng)估時(shí)輸出的軟狀態(tài)動(dòng)作回報(bào)的分布進(jìn)行混合估計(jì)得到的，所述貝葉斯控制函數(shù)進(jìn)行混合估計(jì)的過程，包括：

8.根據(jù)權(quán)利要求1所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述基于所述位置梯度構(gòu)建用于移動(dòng)機(jī)械臂避障的位置約束條件，包括：

9.根據(jù)權(quán)利要求1所述的面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，其特征在于，所述關(guān)節(jié)約束參數(shù)包括約束權(quán)重和優(yōu)化偏置，所述構(gòu)建用于對決策變量進(jìn)行約束的關(guān)節(jié)約束參數(shù)，包括：

10.一種面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化裝置，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供一種面向移動(dòng)機(jī)械臂全身運(yùn)動(dòng)規(guī)劃的優(yōu)化方法，涉及機(jī)械臂運(yùn)動(dòng)規(guī)劃技術(shù)領(lǐng)域，方法包括：基于移動(dòng)機(jī)械臂拍攝的深度圖像，確定環(huán)境特征以及移動(dòng)機(jī)械臂關(guān)節(jié)變化時(shí)的位置梯度；通過強(qiáng)化學(xué)習(xí)訓(xùn)練的演員?評(píng)論家網(wǎng)絡(luò)對移動(dòng)機(jī)械臂的運(yùn)動(dòng)狀態(tài)和運(yùn)動(dòng)動(dòng)作進(jìn)行策略規(guī)劃，得到移動(dòng)機(jī)械臂中末端執(zhí)行器的期望速度；基于位置梯度構(gòu)建用于移動(dòng)機(jī)械臂避障的位置約束條件，并構(gòu)建用于對決策變量進(jìn)行約束的關(guān)節(jié)約束參數(shù)；基于位置約束條件、關(guān)節(jié)約束參數(shù)確定的二次規(guī)劃求解器對決策變量進(jìn)行優(yōu)化，得到關(guān)節(jié)速度的規(guī)劃結(jié)果。通過本申請，克服移動(dòng)機(jī)械臂運(yùn)動(dòng)規(guī)劃時(shí)，在規(guī)劃任務(wù)完成、環(huán)境感知、約束表達(dá)、障礙規(guī)避、以及運(yùn)動(dòng)協(xié)調(diào)性方面均存在局限性的問題。

技術(shù)研發(fā)人員：孫世穎,張宸宇,趙曉光,張宇佳,常慧
受保護(hù)的技術(shù)使用者：中國科學(xué)院自動(dòng)化研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/24