一种基于联邦学习的机器人装配优化方法及系统

本申请公开了一种基于联邦学习的机器人装配优化方法及系统，方法包括：获取机器人的图像数据与点云数据并进行数据特征融合识别处理，得到机器人综合特征数据；获取机器人的力觉信息与视觉信息，并结合机器人综合特征数据进行基于深度强化学习的运动误差优化处理，得到误差补偿后的机器人综合特征数据；通过联邦学习优化算法对机器人进行模型训练，构建具有全局装配控制模型的机器人；基于元学习策略，对具有全局装配控制模型的机器人进行通信协作执行装配任务，得到机器人装配优化结果。本申请实施例能够提升机器人对环境感知的能力，在多任务切换场景下有效提升了机器人的响应速度和适应性。本申请可以广泛应用于机器人装配技术领域。