开发了机器人抓取实验教学系统包括：模块化学习、数据集变动、网络设计与训练、场景搭建和实验验证。

人们对将预训练大型语言模型（llm）应用于规划问题越来越感兴趣。直接使用 LLM 作为规划器的方法目前是不切实际的，包括计划的有限正确性，强烈依赖于模拟器与实际环境的交互得到的反馈，以及利用低效率的人类反馈。在这项工作中，作者引入了一种新的替代范例，它使用规划领域定义语言（PDDL）构建显式的世界模型（领域模型），然后使用可靠的领域无关规划器进行规划。

送餐机器人的出现可以为同属服务行业的餐饮业减轻大量用人成本，推动传 统餐厅向智慧餐厅的转变升级。本文主要研究如何利用搭载于送餐机器人上的六 自由度机械臂与摄像头，实现机器人自主抓取的功能，从而实现机器人的高度自动化与智能化。利用 ORB_SLAM 算法可以高效地建立三维空间模型，并且可以依据建模结果获得某点的空间坐标值，传达至机器人主机进行后续处理。完成抓取动作过程如下。手眼标定法根据摄像头固定的

采用加权最小二乘（WLS）算法和 CHAN 两种位置解算算法估算定位标签的坐标，通过静态实验和动态实验对 2 种算法的性能进行对比分析，并通过均方根误差和误差累计分布函数（CDF）综合评估定位精度静态实验时，CHAN 算法和 WLS 算法的均方根误差分别为 5.8786， 8.0074 cm，CHAN 算法的均方根误差比 WLS 算法低 26.59%；

MAML RL 源代码解读 13

基本介绍深度学习、强化学习；介绍深度强化学习流行算法；深度强化学习在机器人操作领域的应用现状；未来的发展方向作出总结与展望；深度学习通过学习深层的非线性网络结构和数据集的本质特征，实现函数的逼近。智能体在与环境交互的过程中，利用强化学习通过不断试错和最大化累积奖励来生成最优的行为策略。学者工作论文DeepMind将深度强化学习算法应用到连续动作领域，比如机器人操作和运动Heess基于分布式近端策略

针对传统的虚拟现实技术存在速度慢和模型与现实物体尺度之间存在偏差的问题，提出模型基于 VR 的移动机器人的真实环境三维建模系统。

工作内容效果提升复杂环境中目标检测的效果采用通道注意力机制对YOLO-V3进行改进，增强网络对图像特征提取的能力平均识别率较改进前增加0.32%针对目前姿态估计角度存在离散性的问题提出一种基于VGG-16主干网络嵌入最小面积外接矩形(MABR)算法，进行抓取位姿估计和角度优化改进后的抓取角度与目标实际角度平均误差小于2.47°搭建了一套视觉抓取系统利用UR5机械臂、气动两指机械手、Realsens

工作内容效果提升复杂环境中目标检测的效果采用通道注意力机制对YOLO-V3进行改进，增强网络对图像特征提取的能力平均识别率较改进前增加0.32%针对目前姿态估计角度存在离散性的问题提出一种基于VGG-16主干网络嵌入最小面积外接矩形(MABR)算法，进行抓取位姿估计和角度优化改进后的抓取角度与目标实际角度平均误差小于2.47°搭建了一套视觉抓取系统利用UR5机械臂、气动两指机械手、Realsens

robogym 基于 mujoco 搭建，构建了一个仿真机械臂桌面物体操作（pick-place、stack、rearrange）场景