基于改进DDPG的机械臂6D抓取方法研究

来源：计算机工程与应用杂志2025年第18期北京时间：

作者：张盛, 沈捷, 曹恺, 戴辉帅, 李涛

单位：1.南京工业大学 电气工程与控制科学学院，南京 211816；2.南京航空航天大学 自动化学院，南京 210016

摘要：在当前基于深度强化学习的机械臂6D抓取任务中，存在抓取位姿欠佳导致抓取成功率和鲁棒性不足的问题。为了解决此问题，提出一种融合位姿评价机制的改进DDPG算法。该算法在DDPG框架的基础上，引入抓取评估网络对机械臂的抓取位姿进行量化评估。依据评估分数为机械臂抓取的动作分配多级奖励值，以此判断抓取位姿的质量，引导DDPG朝着优化抓取位姿的方向进行学习。通过在仿真和实物环境下进行实验，结果表明该方法可以有效改进机械臂的抓取位姿，提升机械臂的抓取成功率。此外，该方法可以较好地迁移到现实场景中，增强机械臂的泛化性和鲁棒性。

关键词：深度确定性策略梯度算法,机械臂,6D抓取,深度强化学习,抓取评估