简介： 本发明公开了一种基于图像域的机械臂高效操控归置学习奖励训练方法，实现杂乱场景中机械臂自主归置物体任务。该任务中，由于空间受限、复杂碰撞等约束的存在，导致终止状态是不可预测的，从而对奖励函数的设计带来了困难。本专利对强化学习的奖励是“步骤奖励”和“完成奖励”的组合，通过在图像域中合并来量化终端状态的性能，这将引导终端状态收敛到一个更好的域，而不是特定的值。以鼓励快速排列盒子中分散的对象，同时最小化对象之间的间隙，对不同数量、不规则形状的物体以及间断情况具有更好的适应性。