基于多智能体强化学习的空间机械臂轨迹规划

作者：赵毓; 管公顺; 郭继峰^*; 于晓强; 颜鹏

来源：航空学报, 2021, 42(01): 266-276.

• 机械臂
• 轨迹规划
• 多智能体
• 策略梯度
• 在轨捕捉

针对某型六自由度(DOF)空间漂浮机械臂对运动目标捕捉场景,开展了基于深度强化学习的在线轨迹规划方法研究。首先给出了机械臂DH(Denavit-Hartenberg)模型,考虑组合体力学耦合特性建立了多刚体运动学和动力学模型。然后提出了一种改进深度确定性策略梯度算法,以各关节为决策智能体建立了多智能体自学习系统。而后建立了"线下集中学习,线上分布执行"的空间机械臂对匀速直线运动目标捕捉训练系统,构建以目标相对距离和总操作时间为参数的奖励函数。最后通过数学仿真验证,实现了机械臂对各向匀速运动目标的快速捕捉,平均完成耗时5.4s。与传统基于随机采样的规划算法对比,本文提出的自主决策运动规划方法求解速度和鲁棒性更优。

• 单位
  航天学院; 哈尔滨工业大学