基于机器视觉的机器人自主桌面清理系统

在办公自动化场景中，利用强化学习使机器人自主识别并清理桌面杂物，提升办公效率与空间整洁度。
### 功能介绍
1. **智能规划清理路径**：通过强化学习算法，机器人能够自主分析桌面物品的分布与优先级，动态生成最优清理顺序，减少重复移动与时间消耗。
2. **精准抓取与放置**：结合强化学习和点云分析技术，机器人可快速识别物品的可抓取点，自动过滤不稳定姿态，实现对不同形状、材质物品的稳健抓取，并按预设规则分类放置到指定区域。
3. **视觉识别分类系统**：基于深度学习的图像分类模型，机器人可实时识别书籍、餐具、电子设备等常见物品，并根据预设类别（如“回收物”“办公用品”“私人物品”）进行智能分类，支持自定义物品库扩展。

### 技术优势
- **自适应学习能力**：机器人可通过持续交互优化策略，适应不同桌面布局与物品组合。
- **复杂场景处理**：支持杂乱桌面、遮挡物品的识别与清理，抗干扰能力强。
- **安全保障机制**：集成力反馈控制，避免抓取时损坏物品或造成碰撞。

我主导了一个为期两个月的机器人桌面清理项目，负责从需求分析到落地的全流程开发。技术栈涵盖：ROS2机器人控制系统开发、基于YOLOv8的多物品目标检测、基于PPO算法的强化学习路径规划，以及点云数据处理（包括滤波、分割、3D重建）等核心模块。通过模块化设计与敏捷开发，最终实现了85%以上的物品识别准确率与平均6秒/件的清理效率。