深度強化學習的機械臂密集場景多物體抓取方法

摘要： 機械臂在密集雜亂場景中抓取物體時容易碰撞，需要借助推動分離物體，以獲取足夠的抓取空間。目前已有的推抓協(xié)同方法樣本效率和抓取成功率偏低，針對這些問題，提出了一種新的基于DDQN(double deep Q network)的深度強化學習方法能夠高效地學習優(yōu)秀的推抓協(xié)同策略，該方法包括可以篩選有效動作的掩碼函數(shù)（mask function），協(xié)助機械臂探索更多有助于抓取的樣本，促進... （共8頁）