基于深度强化学习的机械臂自主动态避障方法及系统

    公开(公告)号:CN116100539A

    公开(公告)日:2023-05-12

    申请号:CN202211534571.4

    申请日:2022-11-29

    Abstract: 本发明实施例提供一种基于深度强化学习的机械臂自主动态避障方法及系统,属于自动化及机器人技术领域。所述机械臂自主动态避障方法包括:初始化当前的环境参数和经验回放池;选择当前需要执行的动作;将选择的动作发送至服务器端,以完成机械臂状态的更新;依据更新后的机械臂状态,更新奖励函数值;将执行动作前的状态、选取的动作、执行动作后的状态以及奖励值存储至经验回放池中;判断经验回放池内的数据量是否达到最小采样数;采用经验回放池训练深度学习网络,并确定深度学习网络的避障准确率;判断本轮迭代中的避障准确率与上一轮迭代中的避障准确率的差值是否大于预设值;在判断小于预设值的情况下,输出深度学习网络。

    基于知识库的机器人控制方法及系统

    公开(公告)号:CN117584120A

    公开(公告)日:2024-02-23

    申请号:CN202311520606.3

    申请日:2023-11-13

    Abstract: 本发明实施例提供一种基于知识库的机器人控制方法及系统,属于电网的智能管理技术领域。所述控制方法包括:确定变电现场的环境信息、操作流程信息以及机器人的属性信息;根据所述环境信息生成用于控制机器人的第一状态信息;根据所述操作流程信息生成用于控制机器人的第二状态信息;基于所述第一状态信息、第二状态信息构建机器人工作场景的边界条件;基于机器人的属性信息以及所述边界条件,采用预设的机器人路径生成方法生成所述机器人的工作路径。该控制方法及系统通过结合变电现场的环境信息、操作流程信息以及机器人的属性信息来分配机器人巡检不同的巡检点位,使得机器人能够在同样的时间范围内完成变电站的巡检工作,提高了巡检的效率。

Patent Agency Ranking