基于仿人自适应DDPG算法的机械臂运动规划研究

摘要

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.针对这一问题,将人手臂的运动约束应用到机械臂的DDPG运动规划算法中,从而让机械臂具有人手臂的灵活性.所提出的仿人自适应DDPG算法新增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,证明机械臂具有人手臂的运动特性,能更好地应用于大棚高架栽培作物的采摘.