基于深度强化学习的机械臂智能抓取技术研究

发布时间：2022-02-11 07:06

　　随着机器人技术的发展,越来越多的科研人员从事机器人应用的研究。使得机器人在家庭环境中被越来越广泛地使用,家庭机器人不仅可以照顾与陪伴孤寡老人和留守儿童,还能有效的帮助残障人士。对一些记忆力可能会下降的老年人,他们可能会忘记喝水与吃药等必要行为。但是,家庭机器人可以在规定的时间为他们递水杯,药盒等日常行为。这不仅可以规范他们的生活规律,还可以增添其生活乐趣。本文基于预设场景的应用和研究背景,研究机器人如何在复杂的家庭环境中成功抓取所需要的目标物体。首先,机器人有必要从复杂的背景中检测多个对象,并选择出目标对象以获取相关信息;然后控制机械臂到达目标位置,但是控制不同自由度的机械臂并不容易,它们需要不断指导和训练,才能沿着适当的轨迹抓取物体,且避免与目标物体外的事物发生碰撞。本文所做的主要工作是验证深度强化学习算法在机械臂控制中的效果,使机器人可以像人一样轻松地抓取所需要的物体。最终实验结果表明本文提出的处理方法以及改进方法可以有效地完成任务,对实际机器人操作的额外复杂性具有较强的鲁棒性,且可以短时间、高精度的完成抓取目标物体的任务。 

【文章来源】：中北大学山西省

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

服务机器人分类Fig.1-1Classificationofservicerobots

中北大学学位论文14图2-2Darknet-53结构图Fig.2-2StructurediagramofDarknet-532.2.1.1实验结果本文这里采用YOLOv3模型进行了实验，对两个物体进行检测并选择。电脑通过NAO机器人下摄像头采集图像，然后使用YOLOv3模型在图像中检测物体并获取相关信息并将物体类别发送到NAO机器人，然后NAO确定要抓取的物品的位置。图2-3显示了目标检测的完整过程。图2-3目标检测过程Fig.2-3Processoftargetdetection

中北大学学位论文14图2-2Darknet-53结构图Fig.2-2StructurediagramofDarknet-532.2.1.1实验结果本文这里采用YOLOv3模型进行了实验，对两个物体进行检测并选择。电脑通过NAO机器人下摄像头采集图像，然后使用YOLOv3模型在图像中检测物体并获取相关信息并将物体类别发送到NAO机器人，然后NAO确定要抓取的物品的位置。图2-3显示了目标检测的完整过程。图2-3目标检测过程Fig.2-3Processoftargetdetection

【参考文献】：
期刊论文
[1]基于非结构基本组成分析的自主抓取方法[J]. 刘汉伟,曹雏清,王永娟.  机器人. 2019(05)
[2]基于STFT的仿人机器人手臂轨迹生成方法[J]. 林立民,刘成菊,马璐,王德明,陈启军.  机器人. 2019(05)
[3]一种采用迭代优化的移动抓取规划方法[J]. 李玮,章逸丰,王鹏,熊蓉.  机器人. 2019(02)
[4]基于形状先验模型的平面型工件抓取位姿检测[J]. 郑晶怡,李恩,梁自泽.  机器人. 2017(01)
[5]对机器人化热潮的策略思考[J]. 蔡自兴.  机器人技术与应用. 2015(03)
[6]机器人系列标准介绍——服务机器人模块化设计总则及国际标准研究进展[J]. 王田苗,雷静桃,魏洪兴,杨书评.  机器人技术与应用. 2014(04)

博士论文
[1]服务机器人任务理解的关键技术研究[D]. 卢栋才.中国科学技术大学 2017

硕士论文
[1]家庭移动服务机器人三维建模与运动规划研究[D]. 李江伟.华中科技大学 2017
[2]NAO机器人的视觉伺服物品抓取设计与实现[D]. 袁丽.山东大学 2015



本文编号：3619833