基于主动探索的智能抓取机器人

近年来，电子商务的发展推动了物流产业项目的繁荣，全球物流市场收入预计在2021年达到224亿美元。人力成本的快速上涨，使智能化的物流装备在提高物流效率等方面的优势日渐突出。我国物流行业正在从劳动密集型转向技术密集型，机器人代替人工是未来的趋势。

目前，物流自动化的难点在于仓储物流，80%的物流仓库仍然依赖于人力。物流抓取通常是重复枯燥的，有时具有危险性，我们希望让机器人来完成这样的工作，让人类劳动者投入到更有创造性的工作中。

学术界和工业界都在寻求解决方案，许多研究人员针对这一课题开展了工作。Andy Zeng 等人通过对整个场景的分析，提出了利用Affordance Map（一个包含每个抓取点的置信度的图）来获取抓取区域的方法，大大提高了抓取的效率。然而，由于环境通常是复杂和无结构化的（例如混乱的场景），有时机器人很难找到合适的位置来抓住物体。

因此，我们研发了一种新型智能抓取机器人，结合深度强化学习方法，赋予机器人主动探索感知的能力，解决了Affordance Map方法的缺陷，使得机器人能够改善抓取环境，提高了机器人在复杂环境下的抓取成功率。