一种多智能体协同强化学习的灵巧手自适应控制方法及装置

本申请涉及机器人技术领域，公开了一种多智能体协同强化学习的灵巧手自适应控制方法及装置，其中方法包括：通过物理引擎构建包含多自由度仿生灵巧手和目标物体的模拟环境；基于仿生灵巧手的多指协同运动学特性，生成用于约束各手指动作的联动规则；将每根手指配置为独立智能体，采用多智能体近端策略优化算法结合联动规则对各手指动作进行约束，训练多指协同抓取策略模型；将训练后的协同抓取策略模型部署至实体仿生灵巧手控制系统，通过实时采集传感器数据生成控制指令，并根据控制指令驱动仿生灵巧手执行自适应抓取操作。本申请能够实现仿生灵巧手的多指协同自适应抓取，提高在高自由度场景下抓取的精度、稳定性和对动态环境的适应性。