一种基于通道引导的融合式机器人路径规划方法

本发明提出一种基于通道引导的融合式机器人路径规划方法，由RRT‑star模块提供可行路径引导DRL前期探索，通道引导的DRL模块鼓励机器人沿着通道运动，引导机器人绕过障碍物，优化机器人操作空间的路径长度，融合贪婪算法和神经网络的求逆解模块根据目标位姿和神经网络预测的当前位姿计算损失，通过贪婪策略沿着梯度下降方向调整神经网络的输入，神经网络在尝试调整机器人的近端关节无果时，再尝试调整机器人的近端关节及其邻近的关节，直到将机器人操作空间的路径转化为关节空间的路径，完成机器人路径规划任务。RRT‑star模块克服了纯强化学习在复杂环境中探索效率低的问题，通道引导的DRL模块减少机器人与障碍物的碰撞，融合贪婪算法和神经网络的求逆解模块优先调整近端关节必要时扩展调整邻近关节，减少了计算冗余。