关键词：机械臂;神经网络;Q学习;视觉识别
摘 要：机器学习理论的发展及其相关实践应用推动着机器人技术的发展，使得机器人智能化程度越来越高，深度强化学习算法加入可以极大的优化路径规划，大大缩短行动时间。文章设计实现了一种基于Q学习的智能机械臂功能，通过OpenCV实现对图像的预处理，通过Keras构造卷积神经网络（CNN）实现对目标物体的识别，通过Q学习算法自主规划路径，并在Ubuntu16.04系统以及ROS Kinetic版本的基础上，在Gazebo进行三维仿真，同时NoMachine进行实时显示并实现抓取操作，实现模型仿真、目标识别以及机械臂抓取等功能。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取