一种基于深度学习的三维力解耦方法

本发明的实施例提供了一种基于深度学习的三维力解耦方法，包括：通过与所述机械爪相关联的卷积神经网络代理进程，所述动作信息包括机械爪的夹持和移动动作，所述观测信息包括夹持过程中的力分布数据；基于深度强化学习模型，利用所述训练数据训练三维力解耦模型，以实现夹持对象的精准夹持；响应于夹持任务需求，向所述机械爪的控制系统输出调整后的夹持参数和运动参数。涉及特定计算模型的计算机系统领域。本发明利用训练数据训练三维力解耦模型，自适应优化夹持策略，显著提升机械爪在多样化夹持场景中的通用性和鲁棒性。