一种机器人灵巧操作全局性能最优的强化学习控制方法

本发明公开了一种机器人灵巧操作全局性能最优的强化学习控制方法，包括：通过强化学习方法来获取机器人的当前控制周期的灵巧度最优角度策略；基于机器人的末端跟踪误差以及灵巧操作的期望轨迹来得到机器人末端的修正速度指令；根据所述当前控制周期的灵巧度最优角度策略以及机器人末端的修正速度指令来建立实时控制模型；基于递归控制策略，得到实时控制模型的实时控制量。本方法在保证末端灵巧操作的前提下，实现机器人可操作度的全局优化，从而保证机器人系统的灵巧性，并能够有效避免传统控制基于梯度的控制方法导致机器人陷入局部可操作度极优值而非最优值，相较于传统强化学习方法，具有灵巧操作性能理论可追溯、具备稳定性保障的优势。