四足机器人行走控制器训练方法、装置、终端及存储介质

摘要

本发明提出一种四足机器人行走控制器训练方法、装置、终端及存储介质，其中方法包括：在模拟环境中，利用预设的强化学习算法和预设的模拟参数进行训练，得到状态转移矩阵；在真实环境中，采集四足机器人行走时的状态变化参数，并输入至预设的第一奖励函数和强化学习算法中，以对状态转移矩阵进行更新，直至状态转移矩阵收敛；将收敛的状态转移矩阵和强化学习算法作为四足机器人的行走控制器。本发明通过将线上模拟训练和线下实际训练相结合，大大缩短了训练时间，且不需要模型参数建模即可完成四足机器人行走控制器的训练，其可应用于智慧城管/智慧社区/智慧安防/智慧物流等场景中，从而推动智慧城市的建设。