减少过估计的模型化强化学习机器人控制方法及系统

摘要

本发明涉及一种减少过估计的模型化强化学习机器人控制方法及系统，其包括：初始化环境和各网络参数；利用与真实环境的交互数据训练环境模型；利用策略网络πφ与训练后的环境模型交互，将交互数据存放在数据存放器Dmodel中；根据环境模型，采用Actor‑Critic方法进行策略训练，其中Critic评估方法采用带有方差惩罚项的评估方式，估计值根据权重λ进行调节；重复执行，直至收敛。本发明能解决策略退化的问题，缓解值函数的过估计问题。本发明可以广泛在机器人控制领域中应用。