简介： 本发明公开了一种基于深度强化学习的机器人搅动‑抓取组合方法，包括以下步骤：首先分别搭建一个真实环境下和仿真环境下的机器人搅动‑抓取执行平台；将机器人的搅动‑抓取过程建模为马尔科夫过程，构建状态空间、动作空间及奖励函数；再构建基于深度强化学习的机器人搅动‑抓取学习框架和深度强化学习网络；然后在仿真平台上重复进行搅动‑抓取动作尝试，采集经验样本数据，并按照马尔科夫过程，对深度强化学习网络进行自监督训练；最后将训练好的网络模型迁移到真实环境中，并对真实环境下的机器人进行实际训练。本发明在面对随机的抓取场景和新颖的抓取物体时，能够感知和分析场景，决策执行搅动或抓取动作、动作位置以及动作方向。