[發明專利]一種強化學習機器人控制方法

在審

• 申請號: 202110646067.2
• 申請日: 2021-06-10
• 公開（公告）號: CN113386133A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 劉俊杰;張琦;王祖盛
• 申請（專利權）人: 貴州恰到科技有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16;B25J11/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種強化學習機器人控制方法，其特征在于：包括以下步驟：構建初始模型：根據機器人上數據輸入接口和控制輸出接口，以強化學習算法建立初始控制模型；訓練初等模型：用手動控制的方式，在任一真實場景中控制機器人獲取真實數據，利用真實數據對初始控制模型進行訓練得到初等控制模型；定向訓練：在目標場景的仿真環境中，對初等控制模型進行訓練，得到定向控制模型；投入使用：用定向控制模型控制機器人，在目標場景中控制并實時更新定向控制模型。

2.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述數據輸入接口接入傳感器和/或外部系統。

3.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述投入使用步驟中，如需更換目標場景，則返回至定向訓練步驟，并將投入使用的定向控制模型作為初等控制模型進行訓練。

4.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述訓練初等模型步驟中，采用監督學習的方式對初始控制模型進行訓練。

5.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述初始控制模型、初等控制模型、定向控制模型的模型結構完全一致。

6.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述初始控制模型為神經網絡架構。

7.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述仿真環境采用Gazebo或VREP平臺。

8.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述真實數據以控制周期分組，利用至少500組真實數據對初始控制模型進行訓練。

9.如權利要求1所述的強化學習機器人控制方法，其特征在于：所述投入使用步驟中，如需更換硬件，則返回至構建初始模型步驟。