公开(公告)号：CN111645065A

公开(公告)日：2020-09-11

申请号：CN202010218455.6

申请日：2020-03-25

Applicant: 南京大学 ,  南京南欣医药技术研究院有限公司

Inventor： 辛博 ,  傅汇乔 ,  陈春林 ,  程旭 ,  马晶

IPC: B25J9/16

Abstract: 本发明公开一种基于深度强化学习的机械臂运动规划方法，包括：步骤1，在机械臂运动前采集一次环境图像，所述环境图像包括初始状态下的机械臂、运动目标点和中间障碍物；步骤2，根据采集到的环境图像，利用目标分割算法分离出禁止区域、工作区域以及目标位置，重构规划空间；步骤3，将重构得到的规划空间划分为三维栅格空间，并建立二值化栅格空间；步骤4，利用机器人逆向运动学在已知末端坐标下求得机械臂各关节对应解析解，在全局坐标系下判定机械臂与规划空间边界、禁止区域边界和运动目标之间的相对位置关系；步骤5，为机械臂规划运动策略并获取最优运动策略，使得机械臂在避开障碍物的前提下，以最小代价运动到目标位置。

公开(公告)号：CN110307848A

公开(公告)日：2019-10-08

申请号：CN201910598925.3

申请日：2019-07-04

Applicant: 南京大学

Inventor： 唐开强 ,  傅汇乔 ,  王岚 ,  柴昭 ,  杨宇琼 ,  季娟宇 ,  李步印 ,  柯兴萍 ,  车佳嫣 ,  陈春林 ,  朱张青 ,  陈力立 ,  辛博 ,  曲直 ,  闻羽

IPC: G01C21/20

Abstract: 本发明公开了一种移动机器人导航方法，导航区域上空设置有图像采集装置，包括如下步骤：1、在机器人运动前采集一次移动机器人环境图像；2、根据采集到的环境图像得到环境障碍物信息；3、根据获取的环境障碍物信息建立二值化栅格地图，栅格地图中标注出可通行区域和不可通行区域；4、根据栅格地图建立移动机器人运行规则；5、设置总回合数M和浅尝试学习回合数M1；使用移动机器人运行规则进行浅尝试学习，得到初步的Q表；根据移动机器人初始位置p0采用强化学习对Q表进行更新；6、根据更新后的Q表，获取移动机器人的最优运动策略π*，得到移动机器人的运动路径。该方法使得机器人在训练过程中减少了无效探索，学习效率高，收敛快。