面向非结构化环境的机器人抓取少样本学习方法及系统

本发明公开了一种面向非结构化环境的机器人抓取少样本学习方法及系统，涉及机器人抓取技术领域。该方法包括步骤：获取机器人抓取物体的触觉信息和视觉信息，获取受试者抓取物体的参考触觉信息和参考视觉信息；根据触觉信息设置奖励函数；利用行为克隆技术根据参考视觉信息训练关节动作模型，得到机器人的初始策略；利用深度学习强化模型以机器人的初始策略和参考触觉信息为参考对机器人抓取物体的触觉信息和视觉信息进行融合分析，得到抓取策略。本发明克服了少样本的问题，在无需人工干预的条件下显著提升了机器人系统的鲁棒性和自主性，使其在复杂和未知环境中表现出更强的适应性和泛化能力。