一种基于深度强化学习的遥操作空间机械臂轨迹规划方法

本发明提出了一种基于深度强化学习(DRL)的遥操作空间机械臂轨迹规划方法，有效解决了因通信延迟带来的轨迹规划难题。该方法包括：建立刚性机械臂的运动学模型和强化学习框架；构建包含主端、数据链和从端的遥操作框架；在主端采用延迟处理模块(DIP)处理通信延迟，确保状态和奖励的实时性；利用DRL决策模块更新智能体，基于经验回放池和动作回放池进行学习；通过智能体与环境的交互指导机械臂完成任务。本发明通过集成DRL到遥控框架中，强化了智能体的决策能力，尤其在固有延迟环境中表现出色，且在不同噪声和动力学参数条件下展现了良好的鲁棒性，无需额外参数调整。