基于MRD-DDPG的机械臂避障路径规划方法

作者：付子强; 郑威强^*; 张立萍; 何丽; 袁亮; 邵明明

来源：组合机床与自动化加工技术, 2023, (07): 41-45.

DOI：10.13462/j.cnki.mmtamt.2023.07.010

• 深度强化学习
• DDPG
• 奖励函数
• 机械臂
• 路径规划

提出将MRD-DDPG算法应用在机械臂避障路径规划上，解决了DDPG算法在训练过程中学习效率低、样本利用率低的问题。首先，在DDPG算法的基础上，通过改进经验池机制，提出多经验池延迟采样的深度确定性策略梯度(multi-replay buffer delay sampling-deep deterministic policy gradient, MRD-DDPG)算法，有效的缓解了样本利用率低的问题；其次，针对机械臂交互探索过程中奖励稀疏问题，设计了一种适用于避障路径规划的位置奖励函数，有效的提高了智能体的学习效率。实验结果表明，机械臂避障路径规划的平均成功率达97%左右；MRD-DDPG算法相比于DDPG算法的平均成功率提升了88%;机械臂的平均规划时间为0.638 s。

• 单位
  北京化工大学; 新疆大学