基于深度强化学习的机器人抓取方法及系统

本发明的基于深度强化学习的机器人抓取方法及系统，包括：安装机器人、深度相机，初始化环境模型，构建马尔可夫决策模型；设定机器人的控制方式，结合环境，确定所述状态空间、动作空间；基于融合双重回放缓存机制的深度强化学习算法，为机器人抓取任务提供改进的深度强化学习控制策略；制定训练策略，目标是找到最优策略，使得机器人在完成抓取动态物体任务之后获取到最大奖励总和；在强化学习中，通过双重回放缓存机制，机器人能够更高效地从经验中学习；训练改进的深度强化学习控制策略，部署到机器人，进行机器人抓取移动物体的任务。本发明具有在非结构化环境下机器人移动抓取自主决策能力强、环境适应性高、学习效率高的特点。