双机械臂协同运动规划方法、系统、电子设备及存储介质

本发明公开了一种基于深度强化学习的双机械臂协同运动规划方法，包括：搭建工作台仿真环境，供双机械臂在该环境中进行协同运动规划和测试；建立双机械臂运动规划系统深度强化学习模型，该模型根据每个时间步双机械臂的当前状态进行决策以输出双机械臂的动作指令，并在双机械臂的状态更新后计算得到执行所述动作指令的奖励值；生成专家轨迹并存储到经验回放池中，作为专家样本；将不同时间步形成的状态、动作指令、奖励值分组存储到经验回放池中，作为经验样本；定期从所述经验回放池中抽取样本进行批量训练并更新模型参数。本发明还提供一种系统、电子设备以及存储介质。本发明可在有限空间内高效完成具有末端姿态约束的双机械臂协同运动任务。