中科院沈阳自动化所的Wang利用深度强化学习算法和视觉感知相结合的方法来完成移动机器人(如图3(a))在非结构环境下的移动操作[7]。作者将移动操作过程看做一个标准的强化学习问题，先通过双目相机通过DOPE获取目标物体的6D姿态p以及机器人本体的当前状态st,接着通过基于PPO的强化学习算法预测机器人的本体，机械臂以及机械手的运动并控制机器人本体运动，后机器人的运动状态st+1和响应rt，其中响应主要包含了整个系统的控制响应rctrl、机械手末端的位置响应rdist以及抓取状态rgrasp(如图3(b))。后作者在仿真环境和真实环境下测试了不同G度下的抓取成功率，在仿真中，立方体的抓取效果好达到了90%的成功率，而球类物体较差仅有60%左右，而在实际测试过程中，在姿态估计正确的前提下可实现目标物体的成功抓取(如图3(c)(d))。