一种基于深度强化学习的连续体机械臂运动控制方法

本发明提供一种基于深度强化学习的连续体机械臂运动控制方法。涉及机器人技术领域，包括，采集机械臂多源信息，并对所述机械臂多源信息进行融合生成反映当前运动学与动力学特性的状态向量；将所述状态向量输入深度强化学习策略，输出与所述状态向量相匹配的连续候选控制指令。该基于深度强化学习的连续体机械臂运动控制方法，能够有效克服传统控制方法对动力学模型和参数标定的高度依赖，实现机械臂在外部扰动和结构参数漂移情况下的精确控制。通过融合多源信息和动态调整控制策略，本发明能够实时修正控制指令，并在不同物理条件下保持稳定，提升了机械臂在复杂环境中的适应性和控制效果，确保安全性与执行精度。