一种融合物理约束的机器人轨迹规划方法、装置、设备、介质及产品

本申请公开了一种融合物理约束的机器人轨迹规划方法、装置、设备、介质及产品，涉及轨迹规划技术领域，该方法包括获取机器人当前的轨迹状态量序列；基于长短期记忆网络和循环深度神经网络构建LTSM‑RDNN网络，利用最优轨迹数据集对LTSM‑RDNN网络进行训练，并在LTSM‑RDNN网络训练过程中以PINN理论引入轨迹状态量约束损失和控制量约束损失，得到基于PINN网络的轨迹预测模型；基于轨迹状态量序列，采用基于PINN网络的轨迹预测模型确定机器人的当前时间点的最优控制量；根据当前时间点的最优控制量对机器人进行控制，实现机器人的实时轨迹规划。本申请可根据机器人在实际场景中的物理约束进行实时轨迹规划，提高轨迹的可行性。