摘要： 機(jī)械臂在密集雜亂場景中抓取物體時(shí)容易碰撞，需要借助推動(dòng)分離物體，以獲取足夠的抓取空間。目前已有的推抓協(xié)同方法樣本效率和抓取成功率偏低，針對(duì)這些問題，提出了一種新的基于DDQN(double deep Q network)的深度強(qiáng)化學(xué)習(xí)方法能夠高效地學(xué)習(xí)優(yōu)秀的推抓協(xié)同策略，該方法包括可以篩選有效動(dòng)作的掩碼函數(shù)（mask function），協(xié)助機(jī)械臂探索更多有助于抓取的樣本，促進(jìn)... （共8頁）