一种基于深度强化学习的臂-手机器人抓取方法

本发明公开了一种基于深度强化学习的臂‑手机器人抓取方法，包括如下核心步骤:1)提出一种基于稀疏因果时间自注意力机制的策略网络结构；2)提出一种事后经验重组的方法，从而提升算法对成功样本的利用效率；3)设计了一种自适应保守Q学习价值网络更新方法，通过基于时序差分误差和平均奖励的自适应调节机制，动态调整正则化项的强度；该方法能有效提升算法收敛速度，并且在训练过程中平衡探索与稳定性需求，提升算法的稳定性。此外该方法的策略网络结构通过局部窗口稀疏连接和LSTM串联结构，有效增强对单步、局部及整体动作特征的建模能力，最终能有效提升抓取任务的成功率。