基于PPO的机械臂控制研究方法

作者：郭坤; 武曲; 张义

来源：电脑知识与技术, 2021, 17(04): 222-225.

DOI：10.14004/j.cnki.ckt.2021.0384

• 强化学习
• 机械臂
• 近端策略优化算法
• Actor-Critic算法
• 离线学习

目前应用于机械臂控制中有许多不同的算法,如传统的自适应PD控制、模糊自适应控制等,这些大多需要基于数学模型。也有基于强化学习的控制方法,如:DQN(Deep Q Network)、Sarsa等。但这些强化学习算法在连续高维的动作空间中存在学习效率不高、回报奖励设置困难、控制效果不佳等问题。论文对基于PPO(Proximal Policy Optimization近端策略优化)算法实现任意位置的机械臂抓取应用进行研究,并将实验数据与Actor-Critic(演员-评论家)算法的进行对比,验证了使用PPO算法的控制效果良好,学习效率较高且稳定。

• 单位
  青岛理工大学