[发明专利]一种基于深度学习的端到端的机械臂控制的方法

摘要

本发明公开了一种利用深度学习进行手臂控制的方法。该方法首先采集机械手臂的运动过程的图像，同时以一定的频率记录手臂的控制指令，利用端到端的训练方法获得用深度神经网络表达的控制器。在此基础上，深入观察发现，利用深度神经网络表达控制结构，利用端到端的训练方法可以进一步减小手臂的运动误差，在有障碍物的情况下仍然可以很好地实现避障运动。本发明方法实现灵活，很大程度上减小了训练所需样本，这对于机械臂运动这种很难获得大样本的情况具备很大的优势。

主权项

1.一种基于深度学习的端到端的机械臂控制的方法，其特征在于，包括如下步骤：步骤一，以一定频率采集机械臂运动时的图像信息和机械臂的控制指令与状态信息；步骤二，对于步骤一中采集的所述图像信息、控制指令与状态信息进行网络处理：网络包括图像处理网络和控制策略网络，图像处理网络用于对原始图像进行降维,以使图像输入和机械臂的状态输入维度在一个量级上；控制策略网络输出对机械臂执行的控制指令，初始化图像处理网络的权重，图像信息作为输入，机械臂的状态信息作为输出，训练初始化图像处理网络；初始化控制策略网络的权重，机械臂的状态信息作为输入，控制指令作为输出，训练初始化控制策略网络的网络权重；步骤三，在有障碍物的场景中，在采集数据的阶段得到障碍物的位置信息，人工示教机械臂绕过障碍物同时到达目标位置；移动障碍物，改变障碍物的位置，重复上述操作多次，采集多条避障的轨迹；在执行轨迹的过程中记录图片和控制指令；对步骤二所获的网络进行训练，该过程实际上是对网络的权重进行调整优化；步骤四，对于步骤三采集的每条避障轨迹加入一定的噪声，使机械臂能够在示教轨迹的周围进行探索，探索到一条最优轨迹，在执行最优轨迹的过程中记录图片和控制指令；然后将采集的图片和控制指令当作训练数据，对步骤二所获得初始网络进行进一步调参训练。