基于深度强化学习的动作协同抓取研究

在杂乱环境中抓取目标是一个具有挑战性的问题。物体间相互堆叠、紧密贴合,导致机器人没有足够的空间去放置持夹器。许多现有的方法依赖于冗余抓取操作,然而仅依靠抓取动作无法很好解决物体间紧密贴合问题。提出了一种基于间隙搜索的像素级的动作协作策略,并引入了推送动作。该策略能最大限度地利用了RGB图像和深度图像的领域知识,准确地评估了目标所处状态是否适合抓取,进而高效地协同控制推送和抓取实现复杂环境下的抓取任务。在模拟和现实环境中进行的大量实验表明,该方法在运动效率和成功率方面优于许多现有方法。