中科院沈陽自動化所的Wang利用深度強(qiáng)化學(xué)習(xí)算法和視覺感知相結(jié)合的方法來完成移動機(jī)器人(如圖3(a))在非結(jié)構(gòu)環(huán)境下的移動操作[7]。作者將移動操作過程看做一個標(biāo)準(zhǔn)的強(qiáng)化學(xué)習(xí)問題，首先通過雙目相機(jī)通過DOPE獲取目標(biāo)物體的6D姿態(tài)p以及機(jī)器人本體的當(dāng)前狀態(tài)st,接著通過基于PPO的強(qiáng)化學(xué)習(xí)算法預(yù)測機(jī)器人的本體，機(jī)械臂以及機(jī)械手的運(yùn)動并控制機(jī)器人本體運(yùn)動，后機(jī)器人的運(yùn)動狀態(tài)st+1和響應(yīng)rt，其中響應(yīng)主要包含了整個系統(tǒng)的控制響應(yīng)rctrl、機(jī)械手末端的位置響應(yīng)rdist以及抓取狀態(tài)rgrasp(如圖3(b))。后作者在仿真環(huán)境和真實(shí)環(huán)境下測試了不同G度下的抓取成功率，在仿真中，立方體的抓取效果好達(dá)到了90%的成功率，而球類物體較差僅有60%左右，而在實(shí)際測試過程中，在姿態(tài)估計正確的前提下可實(shí)現(xiàn)目標(biāo)物體的成功抓取(如圖3(c)(d))。