关键词：深度强化学习;PyBullet;机械臂抓取;PPO
摘 要：以解决机械臂在面临多目标场景中执行抓取任务时的路径规划问题为目标，验证PPO算法在机械臂抓取策略上的可行性。研究采用基于PPO算法的深度强化学习，通过在PyBullet仿真环境中进行机械臂与物体的交互模拟，以机械臂末端的位置坐标和目标物体的位置坐标作为状态空间输入到深度强化学习网络，并输出下一步骤的机械臂末端位置坐标，再通过机械臂逆运动学求得各个关节的旋转角度作为动作的输出，最后结合经过优化的奖励函数，提高机械臂在训练抓取任务时的学习效率，加快收敛速度。仿真实验表明，经过优化的奖励函数和PPO算法的应用使得机械臂训练时获取的奖励值能够在第1 000回合左右开始收敛到-50～0，且能够在10步左右的步数稳定完成抓取任务，验证了该方法的可行性。该研究成果在机械臂抓取任务中取得很好的效果，为实际应用中解决复杂抓取问题提供了有力的方法和技术支持。
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