一种基于逆强化学习的运动规划方法

本发明公开了一种基于逆强化学习的运动规划方法，该方法涉及车间运输、机器学习、多机器人控制、运动规划等领域。首先，收集并建立专家数据库；其次，通过CTGAN对专家数据集进行处理，增加训练数据的多样性和覆盖度；最后，通过基于改进PPO的最大熵逆强化学习算法不断更新优化奖励函数及运动策略，并通过算法评估、调整和迭代实现多机器人的实时协同运动。与现有技术相比，本发明不仅能够提高多机器人协同运动的准确性和适应性，而且确保了运输过程的高安全性和高效率。在复杂多变多机器人协作系统、智能物流系统等领域具有较高的技术创新性和应用前景。