近日，中國科學院沈陽自動化研究所與英國愛丁堡機器人中心合作研究取得新進展，提出了一種在動態、非結構環境下基于深度強化學習的移動機械臂自主作業方法，將最新的人工智能學習理論成功應用于真實的復雜移動機械臂控制。相關研究成果發表于期刊Sensors。
機器人在空間、陸地和水下等大量動態、非結構環境下作業是一個復雜的任務，相比于傳統工業機器人作業要求更高，通常需要機器人具有感知、導航、決策、操作等多種功能。
沈陽自動化所與愛丁堡機器人中心科研團隊聯合利用神經網絡構建了一種機器人整體強化學習控制模型，采用深度學習方法對機器人相機獲得的環境與目標信息進行處理，然后將感知信息與機器人當前狀態作為系統輸入，對機器人的整體行為進行自主控制。通過仿真與實際環境中的交互學習與訓練，最終實現了在真實環境下的移動機械臂自主作業，為深度強化學習應用于更為復雜的水下浮游基座機器人系統開展自主作業研究奠定了基礎。
在依托于沈陽自動化所的機器人學國家重點實驗室與愛丁堡機器人中心的戰略合作框架（MoU）下，雙方積極開展人員互訪、學術交流及研究生聯合培養，并在多個研究領域開展合作，包括基于深度強化學習的機器人控制、基于視覺的水下三維場景重建與目標識別、水下機器人自主作業等。隨著合作的深入與加強，后續將會持續產出更多科研成果，促進雙方相關科研共同進步。
基于深度強化學習的機器人控制研究獲進展
