| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 控制系统 | 第10-11页 |
| 1.2.2 路径规划 | 第11-12页 |
| 1.2.3 深度学习与强化学习 | 第12-14页 |
| 1.3 研究内容与论文结构框架 | 第14-15页 |
| 2 基于ROS的自主操作机器人建模与控制系统设计 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 机器人的模型描述 | 第15-20页 |
| 2.2.1 动态仿真建模概述 | 第15-16页 |
| 2.2.2 统一机器人描述格式 | 第16-17页 |
| 2.2.3 运动学模型 | 第17-18页 |
| 2.2.4 动力学模型 | 第18页 |
| 2.2.5 可视化模型 | 第18-19页 |
| 2.2.6 碰撞模型 | 第19-20页 |
| 2.3 操作机器人的坐标变换 | 第20-21页 |
| 2.4 机器人测控系统设计 | 第21-27页 |
| 2.4.1 ROS系统软件框架 | 第21-22页 |
| 2.4.2 环境感知 | 第22-23页 |
| 2.4.3 伺服控制器 | 第23-27页 |
| 2.5 本章小结 | 第27-29页 |
| 3 基于ROS的操作机器人环境感知、路径规划与跟踪控制仿真 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 操作机器人环境感知仿真 | 第29-33页 |
| 3.2.1 相机标定与手眼标定 | 第29-31页 |
| a.相机内参数标定 | 第29-30页 |
| b.手眼标定 | 第30-31页 |
| 3.2.2 目标的视觉识别与定位 | 第31-33页 |
| 3.3 操作机器人路径规划仿真 | 第33-37页 |
| 3.3.1 RRT算法原理 | 第33-35页 |
| 3.3.2 改进RRT算法 | 第35-36页 |
| 3.3.3 基本RRT和 RRT_Connect的仿真对比分析 | 第36-37页 |
| 3.4 环境感知、路径规划与跟踪控制联合仿真实验 | 第37-41页 |
| 3.4.1 任务描述 | 第37-38页 |
| 3.4.2 仿真实验 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 深度强化学习算法及其在操作机器人抓取策略中的应用研究 | 第43-58页 |
| 4.1 引言 | 第43页 |
| 4.2 强化学习数学模型与学习方法 | 第43-50页 |
| 4.2.1 数学模型 | 第43-47页 |
| 4.2.2 强化学习方法 | 第47-50页 |
| a.基于值函数的强化学习 | 第47-48页 |
| b.基于策略的强化学习 | 第48-49页 |
| c.Actor-Critic算法 | 第49-50页 |
| 4.3 深度强化学习算法 | 第50-53页 |
| 4.4 抓取策略研究 | 第53-55页 |
| 4.4.1 PyBullet仿真器简介 | 第53页 |
| 4.4.2 仿真训练 | 第53-55页 |
| 4.5 本章小结 | 第55-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-65页 |
