基于深度元模仿学习的移动机械臂控制方法及系统

本发明属于机械臂控制技术领域，公开了一种基于深度元模仿学习的移动机械臂控制方法，本发明引入了深度元模仿学习(DMIL)算法，该算法将深度元学习与模仿学习(IL)技术相结合，以提高移动机械臂在此类任务中的适应性和效率。专家轨迹是在CoppeliaSim模拟环境中精心制作和仔细检查的，同时还对现实世界的相互作用进行了评估。本发明采用深度学习的6D姿态估计方法来确定按钮锁的位置和方向，直观地识别关键的操作参考点。在整个IL阶段，通过对抗性逆强化学习(AIRL)和可变阻抗控制(VIC)技术的集成，增强了控制机械臂操作的策略。专家指导的轨迹和来自现实世界设置的有形力反馈数据增强了这一点。