一种基于改进多线程PPO强化学习的机械臂抓取方法及系统

本发明公开了一种基于改进多线程PPO强化学习的机械臂抓取方法及系统，方法包括：初始化环境状态；多个工作子线程开始并行工作，获取机械臂的初始状态信息，并将其输入到Actor策略网络，Actor策略网络采用改进的PPO强化学习算法进行数据收集；将收集的数据放入到经验池中，计算出所有的优势值；对优势值进行正则化处理，同时对奖励进行缩放处理；对Actor策略网络和Critic评价网络进行更新；根据Actor策略网络输出的最新动作指令，控制机械臂的关节运动和夹爪动作。本发明通过改进奖励函数、优势值正则化和奖励缩放方法改进PPO算法，并利用多线程并行计算提高算法的训练效率和机械臂的抓取性能，使机械臂能够在复杂环境下快速、准确地抓取目标物体。