近来，我国科学院沈阳自动化研讨所（以下简称沈自所）与英国爱丁堡机器人中心协作研讨取得新进展，提出了一种在动态、非结构环境下根据深度强化学习的移动机械臂自主作业办法，将最新的人工智能（AI）学习理论使用于实在的杂乱移动机械臂操控。相关研讨成果已发表于《传感器》。
此项协作源于2018年3月，应依托于沈自所的机器人学国家要点实验室的约请，英国皇家工程院院士、爱丁堡机器人中心主任David M. Lane拜访沈自所，与机器人学国家要点实验室签署了战略协作结构（MoU）协议。
在MoU结构下，两边积极展开人员互访、学术交流及研讨生联合培育，并在多个研讨范畴展开协作，包含根据深度强化学习的机器人操控、根据视觉的水下三维场景重建与方针辨认、水下机器人自主作业等。
沈自所水下机器人研讨室研讨员张奇峰告知《我国科学报》：“机器人在空间、陆地和水劣等很多动态、非结构环境下作业是一个杂乱的使命，比较于传统工业机器人作业要求更高，常常要机器人具有感知、导航、决议计划、操作等多种功用。”
据悉，非结构环境下移动机械臂自主作业是未来机器人使用的一个重要场景。该项研讨能够扩展到空间机器人、飞翔机器人和水下机器人作业等多种杂乱环境。
“水下机器人自主作业面对许多难点，比较于陆地机器人，浮游状况水下机器人体系动力学非线性、耦合性强，作业过程中机器人载体与机械手的彼此运动搅扰及由此发生的方针物定位信息噪声使机器人的准确操控尤为困难。”张奇峰介绍，这也是两边现在要点展开研讨的方向之一。
此次沈自所与爱丁堡机器人中心科研团队使用神经网络构建了一种机器人全体强化学习操控模型，选用深度学习办法对机器人相机取得的环境与方针信息做处理，然后将感知信息与机器人当时状况作为体系输入，对机器人的全体行为进行自主操控。
其间，爱丁堡机器人中心供给机器人渠道和根据深度强化学习的算法结构辅导，沈自所面向机器人渠道特色进一步深化进行理论研讨，并将操控算法使用于机器人，展开实验验证。
沈自所博士研讨生王聪说：“咱们经过仿真与实践环境中的交互学习与练习，终究完成了在实在环境下的移动机械臂自主作业，为深度强化学习使用于更杂乱的水下浮游基座机器人体系展开自主作业研讨奠定了根底。”
现在机器人的技术学习是业界的研讨热门和难点之一，水下机器人范畴的相关研讨更少。张奇峰表明，沈自地点水下机器人的渠道规划、底层操控及实践使用等方面有很丰厚的经历与优势，但随着使用场景和作业使命的杂乱化，要进一步加强前沿理论研讨及前沿理论与机器人体系相结合的使用研讨。