本文研究了基于改进PPO算法的机器人机械臂抓取策略，通过引入贝叶斯优化算法实现自适应优化熵损失系数。实验结果表明，改进后的PPO算法能更高效地穿越训练陷阱，平均奖励提高21.2%，抓取成功率提升24%。文章详细介绍了在Ubuntu22.04虚拟机上从零部署的环境配置步骤，包括Python虚拟环境创建、MuJoCo物理引擎和贝叶斯优化库的安装，并提供了完整的工程代码实现方案，包含环境配置、PPO算法