一种在动态场景下基于关节图强化学习的机械臂避障方法

本发明涉及一种在动态场景下基于关节图强化学习的机械臂避障方法。该方法通过构建关节图模型，将机械臂的各个关节及其运动关系进行图化表示，并利用强化学习算法对机械臂在动态环境中的避障行为进行训练和优化。在训练过程中，设置奖励函数以引导机械臂在避开障碍物的同时，尽可能高效地完成任务目标，如抓取物体、搬运物品等。通过与环境的不断交互，机械臂能够学习到最优的避障策略，从而在实际应用中，即使面对不断变化的动态场景，也能自主、准确地避开障碍物并顺利完成任务。与现有技术相比，本发明具有高效率、高安全性的优点。此外本发明通过关节图强化学习，使机械臂能够精确感知和判断障碍物的位置、形状和运动轨迹，从而实现精准避障，避免碰撞事故的发生，保障了机械臂自身和周围环境的安全。