买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学申请的专利一种基于强化学习的多关节机器人协同控制方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121680096B 。

龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610188591.2，技术领域涉及：G05B13/04；该发明授权一种基于强化学习的多关节机器人协同控制方法及系统是由吴颖;张博韬;成慧设计研发完成，并于2026-02-10向国家知识产权局提交的专利申请。

本一种基于强化学习的多关节机器人协同控制方法及系统在说明书摘要公布了：本申请公开了一种基于强化学习的多关节机器人协同控制方法及系统，涉及机器人控制技术领域，方法包括：根据目标任务定义约束条件；根据目标任务与约束条件构建奖励函数；采用近端策略优化算法训练策略网络的参数，直至最大化奖励函数，得到训练后的策略网络；将多关节机器人的状态数据输入到训练后的策略网络，得到约束参数；利用模型预测控制算法基于约束参数求解得到多关节机器人的控制指令；根据控制指令驱动多关节机器人执行目标任务，并根据多关节机器人动态反馈的状态数据动态调整约束参数，以动态驱动多关节机器人。本申请可提高多关节机器人的控制精度与稳定性，能够完成多任务场景的适配。

本发明授权一种基于强化学习的多关节机器人协同控制方法及系统在权利要求书中公布了：1.一种基于强化学习的多关节机器人协同控制方法，其特征在于，所述方法包括以下步骤： 根据目标任务定义约束条件； 根据所述目标任务与所述约束条件构建奖励函数； 采用近端策略优化算法训练策略网络的参数，直至最大化所述奖励函数，得到训练后的策略网络； 将多关节机器人的状态数据输入到所述训练后的策略网络，得到所述训练后的策略网络输出的约束参数； 利用模型预测控制算法基于所述约束参数求解得到所述多关节机器人的控制指令； 根据所述控制指令驱动所述多关节机器人执行所述目标任务，并根据所述多关节机器人动态反馈的所述状态数据动态调整所述约束参数，以动态驱动所述多关节机器人； 所述利用模型预测控制算法基于所述约束参数求解得到所述多关节机器人的控制指令，包括以下步骤： 设为所述多关节机器人的关节角度向量，为关节角速度向量，为关节角加速度向量，为所述多关节机器人的质心三维位置向量，，为质心姿态旋转矩阵，所述质心姿态旋转矩阵包括俯仰角、偏航角、滚转角，为关节控制输入向量； 定义所述模型预测控制算法的优化问题为最小化轨迹跟踪误差与控制输入平滑性代价；其中，所述优化问题表示为： ； ； ； 其中，为预测时域，为控制时域，为质心期望位置，为质心期望姿态，为状态跟踪权重矩阵，R为控制权重矩阵，表示矩阵向量化操作；MPC约束包括关节角度限制和角速度限制，和利用所述近端策略优化算法输出的n维参数的动力学约束； 通过所述模型预测控制算法求解所述优化问题，进而输出所述多关节机器人各个关节的目标角速度作为所述控制指令； 所述采用近端策略优化算法训练策略网络的参数，直至最大化所述奖励函数，得到训练后的策略网络，包括以下步骤： 定义策略网络输出层采用激活函数，用于将约束参数映射至预设范围； 定义参数配置包括训练总回合数、每个回合最大步数、批次大小以及每收集第一设定个数的样本进行一次策略更新； 确定训练流程为采用分段训练和梯度裁剪的训练策略；其中，第一阶段的回合用于起跳阶段约束优化，放大地返力适配奖励的奖励权重，引导策略网络学习符合物理条件的地返力阈值；第二阶段的回合用于空中翻转阶段约束优化，放大姿态跟踪奖励的奖励权重；第三阶段的回合为全流程协同优化，恢复各奖励权重均衡，将步数奖励权重设置为0，调整约束参数以适配后空翻全阶段需求；训练过程中，每第二设定个数的回合计算平均奖励，当连续第二设定个数的回合平均奖励达到预设奖励阈值时，判定策略网络收敛，得到所述训练后的策略网络。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。