基于改进深度强化学习的工业机器人多拐点避障

来源：机械与电子杂志2025年第08期北京时间：

作者：陈富强;陈振庭;许丽娟

单位：广州华商学院人工智能学院,广东 广州 511300

摘要：针对工业机器人在具有先验信息的拐角障碍环境中自主导航时,未考虑与障碍物距离最优性,导致在障碍物多拐点处存在冗余路径及深度学习过程反复试错的问题,提出一种改进深度强化学习的工业机器人避障控制方法。通过分析机器人与障碍物在坐标空间中的横、纵坐标差值,考虑静动态障碍物距离差值占比建立引导奖赏函数,根据距离变化动态调整奖惩值优化避障策略,以避障距离奖惩值为最优距离建立离散空间改进算法并给出最优控制函数。实验结果表明,在多拐点环境中所提方法避障控制效果佳,能在最短时间内实现精准避障,控制性能优异,具有实用价值。

关键词：改进深度强化学习;工业机器人;避障控制;离散空间;引导奖赏函数

基金资助：广州华商学院校内导师制科研基金资助项目( 2024HSDS12 )