69、多目标强化学习与智能协作机械臂设计

多目标强化学习与智能协作机械臂设计

在当今科技领域，多目标强化学习和智能协作机械臂的设计都是备受关注的研究方向。多目标强化学习旨在解决在多个目标下的决策问题，而智能协作机械臂则致力于提高机械臂的灵活性、负载能力和成本效益。下面将详细介绍相关内容。

多目标强化学习算法

提出了一种多目标强化学习算法（MORL），该算法在仅训练一个模型时，能尽可能覆盖不同偏好下的最优解，并在不同偏好输入下生成足够多样化的策略。
- 实验环境 ：在简单的网格世界环境DST和更具挑战性的机器人对抗环境中进行了实验。
- 实验结果 ：实验表明，相对于基准算法，该算法具有足够的泛化性和多样性。

智能协作机械臂设计

针对现有服务机器人机械臂灵活性低、负载小等缺点，创造性地应用肌腱 - 鞘管传动设计了7自由度机械臂。
- 肌腱 - 鞘管传动介绍 ：肌腱 - 鞘管主要由内部柔性电缆和外部套管组成，典型应用如自行车刹车线。它能通过柔性电缆在套管内的运动实现力和位移的长距离传输，具有结构简单、空间适应性强和设计成本低等优点，因此在机器人领域广泛应用。
- 现有应用分类
- 灵巧手和手术机器人应用 ：关节端空间有限，从动轮和柔性电缆移动距离小，但驱动端空间充足，张力传感器和编码器多安装在驱动端。例如，Kaneko等人将肌腱 - 鞘管机制应用于灵巧手手指驱动，基于库仑摩擦模型描述其传动模型，并通过实验验证了间隙和滞后等非线性现象；Palli等人将其应用于DEXMA