一种基于3D视觉强化学习的动态物体抓取方法

本发明公开了一种基于3D视觉强化学习的动态物体抓取方法，属于物体抓取技术领域。本发明相对于6DoF抓取结合路径规划的方法而言，能够动态调整自身运动，对环境变化具有一定鲁棒性；结合抓取点视为物体的特征信息，一方面充分借鉴已有成熟的未知物体抓取方式，提高了深度强化学习的效率，另一方面，感知模态数据采用点云形式，在仿真到现实迁移过程中具有较小的差异，降低了迁移难度；本发明的算法结构清晰，利于开发更加智能的抓取操作模型，对观测数据的需求和处理以及动作执行的实现，具有一定的工程化落地优势。