基於主動探索的智能抓取機器人

近年來，電子商務的發展推動了物流產業項目的繁榮，全球物流市場收入預計在2021年達到224億美元。人力成本的快速上漲，使智能化的物流裝備在提高物流效率等方麵的優勢日漸突出。我國物流行業正在從勞動密集型轉向技術密集型，機器人代替人工是未來的趨勢。

目前，物流自動化的難點在於倉儲物流，80%的物流倉庫仍然依賴於人力。物流抓取通常是重複枯燥的，有時具有危險性，我們希望讓機器人來完成這樣的工作，讓人類勞動者投入到更有創造性的工作中。

學術界和工業界都在尋求解決方案，許多研究人員針對這一課題開展了工作。Andy Zeng 等人通過對整個場景的分析，提出了利用Affordance Map（一個包含每個抓取點的置信度的圖）來獲取抓取區域的方法，大大提高了抓取的效率。然而，由於環境通常是複雜和無結構化的（例如混亂的場景），有時機器人很難找到合適的位置來抓住物體。

因此，我們研發了一種新型智能抓取機器人，結合深度強化學習方法，賦予機器人主動探索感知的能力，解決了Affordance Map方法的缺陷，使得機器人能夠改善抓取環境，提高了機器人在複雜環境下的抓取成功率。