摘要
本发明公开了一种基于强化学习的双臂协同采摘方法，采用双臂六自由度机器人，电控装置中存储有基于强化学习的双智能体算法，包括行动者网络、评论家网络、经验回放缓冲区、两个智能体以及存储有st信息的环境模块；两个智能体分别对应一个机械臂；两个智能体在工作中连续读取jointt，评估奖励总和rt；通过优势函数计算行动者网络的目标函数，对评论家网络进行优化，执行动态避障策略，执行多目标贪心采摘策略，划分独立工作空间和公共工作空间，实现双臂协作高效采摘苹果。本发明融合了MAPPO强化学习与多目标贪心采摘策略(MOGPS)算法，解决双臂动作同步和任务分配的难题，克服传统算法在双臂协作中的局限性，不仅提高双臂协作采摘效率，还增强机器人在不同作业场景下的适应能力。
