基于深度强化学习的建筑废料分拣机器人决策模型
李志洋

山东建筑大学，山东济南，250101；

摘要：资源化产线的分拣效率长期受制于建筑拆除固废的复杂组分——混凝土碎块、砖瓦残片与钢筋余料混杂共存且粒径跨度悬殊，人工辨识拣选已难以匹配产线节拍。本研究以六轴机械臂悬置于开放式传送带上方执行废料拣取为工况背景，将分拣任务形式化为马尔可夫决策过程，并以Soft Actor-Critic算法为核心骨架搭建端到端决策模型。感知端由改进YOLOv8n承担废料边界框与材质类别的提取，检测结果经坐标变换后写入状态空间；奖励函数将拣取成功率、路径能耗与碰撞惩罚三项指标线性叠加，驱动策略网络在连续动作域内自主习得"靠近—抓取—放置"的最优动作序列。模型先在Isaac Sim仿真环境中经历200万步训练，随后迁移至搭载RealSense D435i相机的UR5e实体平台开展验证。测试结果显示，该模型针对混凝土、红砖、螺纹钢三类目标物的综合拣取成功率达91.6%，单周期平均耗时较固定轨迹方案缩短27.3%；在光照波动与物料堆叠等扰动条件下策略输出依然稳定，证实了仿真到现实迁移管线的有效性。

关键词：深度强化学习；建筑废料分拣；Soft Actor-Critic；仿真迁移

参考文献

[1]王洪宇.基于深度学习的机器人堆叠物品识别与抓取研究[D].哈尔滨:哈尔滨理工大学,2023.

[2]周俊,毛巨正,谢峰,等.用于水工结构水下清刷作业的履带式机器人力/位混合控制[J].机器人,2026,48(3):433-442.

[3]陈超炫,罗小龙.基于YOLOv8n的景区行人与垃圾多目标检测方法研究[J].科学教育与艺术,2024(12):45-48.

[4]商德勇,黄云山,潘崭,等.一种基于贪心策略的煤矸分拣机器人动态规划方法及系统:CN118428647B[P].2024-10-29.