基于强化学习的机器人位置规划方法及装置

本发明提出一种基于强化学习的机器人位置规划方法及装置，方法包括：通过预设的定位笔模块，对机器人需操控的物体的位置、形状及姿态信息进行数字化描述的数字化物体数据，作为机器人对应仿真平台的深度神经网络的输入，机器人控制物体的操控位置作为输出，训练出机器人的初始位置规划模型；基于物体的应用场景，选取出对应的观测空间、任务回报逻辑，以对初始位置规划模型进行场景优化，得到机器人位置规划模型；机器人位置规划模型对待操控物体的数字化物体数据进行预测，得到机器人操控待操控物体的目标位置。由此，基于训练的机器人位置规划模型，使得机器人规划精度满足工业多种场景的落地需求，而且大幅降低了人工操作的工作量。