Cable-Driven Parallel Robots

新的深度强化学习方法可实现跨不同配置的机器人控制

研究人员开发了一种新颖的深度强化学习（DRL）方法，用于控制可跨不同配置泛化的驱动式并联机器人（CDPR）。该方法训练执行器级别的策略，专注于单个电机控制以达到目标电缆长度，而不是末端执行器位置，这是CDPR控制的首次尝试。该方法允许将单一策略应用于任何CDPR配置，而与执行器数量无关，并且已成功从模拟转移到真实机器人，在鲁棒性和精度方面优于传统的DRL方法。