一种基于强化学习的机器人末端接触力控制方法和系统

本发明涉及智能机器人和力控制技术领域，尤其是一种基于强化学习的机器人末端接触力控制方法和系统。本发明通过强化学习训练机器人策略模型，其根据机器人的状态决策动作；状态包括当前状态和目标状态，当前状态包括：关节角度、关节速度、末端位置、姿态和末端接触力；目标状态包括：目标位置、目标姿态和目标接触力；在模型训练过程中，根据奖励反馈实时调整学习率，如果平均奖励下降，则减小学习率；如果平均奖励连续多轮呈现上升趋势，则增加学习率。本发明提供的机器人策略模型能够快速适应环境的动态变化，实现高效的自适应力控制，从而快速、准确的自动调整控制策略，提高机器人末端接触力控制精度，从而提高机器人在复杂任务中的控制精度和稳定性。