一种基于强化学习的机械臂路径规划系统

本发明公开了一种基于强化学习的机械臂路径规划系统，涉及机器人领域，包括：在上位机中应用DQN模型构建基于强化学习的机械臂运动路径模型；利用生成的模型训练机械臂实现精准的点到点移动；将模型信息传输给机械臂；采集机械臂的运动环境的障碍空间信息，输入到训练后的机械臂运动路径模型中，进行实时路径调整，完成工作。本发明基于DQN模型强化学习算法的神经网络模型，多次训练来寻找特定障碍空间下相对最优的路径，提高了机械臂的工作效率，使得机械臂在工作时能更好的进行路径规划。