CN115890726B 一种基于ddpg强化学习算法的平行夹具形状生成方法 （大连理工大学）_第1页
CN115890726B 一种基于ddpg强化学习算法的平行夹具形状生成方法 （大连理工大学）_第2页
CN115890726B 一种基于ddpg强化学习算法的平行夹具形状生成方法 （大连理工大学）_第3页
CN115890726B 一种基于ddpg强化学习算法的平行夹具形状生成方法 （大连理工大学）_第4页
CN115890726B 一种基于ddpg强化学习算法的平行夹具形状生成方法 （大连理工大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于DDPG强化学习算法的平行夹具形本发明提出一种基于DDPG强化学习算法的实现了基于给定物体与训练好的策略网络进行发明利用强化学习算法的平行夹具形状自动生22.根据权利要求1所述的一种基于DDPG强化学习算法的平行夹具形状生成方法，其特数(TSDF)与基于3D卷积的形状编码器得到128维物体形状编码；用控制左夹齿的11维向量f代表施加外力的4种情境下的抓取成功次数，T10代表顺4.根据权利要求1或2所述的一种基于DDP3与夹具左右形状表示整体处理为128×3维的向量，作为从状态表示中提取得到的形状特5.根据权利要求3所述的一种基于DDPG强化学习算法的平行夹具形状生成方法，其特与夹具左右形状表示整体处理为128×3维的向量，作为从状态表示中提取得到的形状特4[0002]机械夹具的自动抓取在众多领域都有着深入的应用，诸如物流领域的仓储和分[0004]然而上述方法大多存在着以下几个问题：(1)真实抓取成功率不高或抓取过程不发明拟利用强化学习的方法自动生成轻量化的平设计形状生成方法。深度确定性策略梯度(DDPG)算法不仅利用深度Q网络算法中的经验回5距离函数(TSDF)与基于3D卷积的形状编码器得到128维物体形状编码；用控制左夹齿的11维向量与右夹齿的11维向量作为夹具手指形状6[0038]本发明基于DDPG强化算法生成平行夹具的形状。相较于基于几何分析的设计方物体的形状和平行夹具的特点，基于DDPG强化学习算法提出一种平行夹具形状生成方法，向量代表用于控制形状可变板块形状的长度数值，最后1维代表用于形状可变板安装位置7参数变化量，定义动作a＝[Δsl,Δsr]为22维向量，其中AS=[A左侧夹具形状及位置的变化量，AS,=[Ah⃞,AhF,…Ahfo]代表右侧夹具形状及位置的变一个待抓取物体，如果在第1种正常抓取情境下无法抓取成功，则直接的给予该步_5的奖8输出维度为128维的全连接层及Relu激活层，将步骤S42中得到22维动作向量处理成为128tt+1t+1Q→θQ′μ9,.

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论