本技术属于机械臂控制技术领域,提出了一种机械臂路径优化系统及其规划方法。该方法首先在仿真环境中,依据机械臂末端的当前和目标位姿,创建奖励函数,并利用该函数训练深度强化学习网络,以获得全局规划路径。接着,以该路径为基础,构建动态运动基元系统。在存在障碍物的情况下,系统会获取障碍物信息,并建立障碍物势场模型。利用该模型,在动态运动基元系统中加入排斥项,生成避障路径,指导机械臂末端绕开障碍物直至到达目标位姿。本发明有效解决了机械臂路径规划中实时避障与全局最优路径规划的双重挑战。
背景技术
目前,机械臂的路径规划方法主要分为全局规划和局部规划。其中,全局规划,是指已知环境中的障碍物信息和目标位置,在机械臂开始运动前,规划出一条从起始位置到目标位置的全局规划路径。全局规划通常以路径最短或者能量消耗最低为全局最优目标,但全局规划只考虑了运动前的环境信息,对于运动过程中实时出现的障碍物无法避开。局部规划,是指已知目标位置,在机械臂运动过程中,通过实时获取障碍物信息,包括障碍物的几何特征、位置特征等信息,规划出避开障碍物的局部规划路径,并基于此运动到目标位置。局部规划路径从全局运动过程来看并非最优。在机械臂路径规划中,如何既做到路径规划的全局最优,又能够实时避开运动过程中出现的障碍物,相关技术中尚未报道。
实现思路