本發(fā)明公開了一種基于視覺信息的深度強化學(xué)習DDPG算法的機器臂抓取控制方法，旨在解決現(xiàn)有技術(shù)中機械臂工作場景靈活性差，場景變動后，人工示教調(diào)試慢，效率低等技術(shù)問題。該方法首先采用卷積神經(jīng)網(wǎng)絡(luò)并融合卡爾曼濾波，對待抓取的物體進行實時檢測與跟蹤，并提取待抓取物體的平面3D位姿信息。設(shè)計一種基于末端執(zhí)行器速度平滑約束的示教機制，解決經(jīng)典DDPG網(wǎng)絡(luò)在初始化訓(xùn)練初由于動作隨機導(dǎo)致的有效數(shù)據(jù)少，算法效率低的問題；并設(shè)計基于能量約束歸一化非線性獎勵函數(shù)，把輸入到深度強化學(xué)習網(wǎng)絡(luò)的數(shù)據(jù)解算至相同的區(qū)間，并且對變量進行非線性的函數(shù)映射，使得網(wǎng)絡(luò)梯度下降的時候速率更快，提高訓(xùn)練效率和機械臂在靠近目標物體附近時產(chǎn)生的抖動問題；基于仿真環(huán)境對強化學(xué)習網(wǎng)絡(luò)進行預(yù)訓(xùn)練，并對待抓取物體位姿進行顯示表達，使得該算法在新對象和環(huán)境中具有更強的泛化能力，將快速遷移到真實世界的機械臂上面。