一种基于强化学习的双机器人力/位多元数据驱动方法

摘要

本发明公开了一种基于强化学习的双机器人力/位多元数据驱动方法，主机器人采用理想位置元控制策略，通过强化学习算法来学习期望位置，将实际位置反馈给期望位置，目标是在机器人与环境相互作用时产生一个最优力，使位置误差最小化；从机器人基于主机器人位置偏差的力元控制策略，采用适用于未知环境的阻尼PD控制策略，通过强化学习算法来学习期望作用力，驱动从机器人接近期望参考点的最小力。主从机器人分别强化学习算法来学习期望位置和期望作用力，均采用比例微分控制率，对各自的微分系数(kp)与比例系数(kd)进行整定。本发明可提高双机协同的灵巧性，解决力/位控制中的参数优化问题，避免瞬态时的较大误差。