智能体的控制方法、装置、智能体及计算机可读存储介质

摘要

本申请提供了一种智能体的控制方法、装置、智能体及计算机可读存储介质，所述方法包括：在智能体的行驶过程中，实时获取智能体的真实位姿数据；将真实位姿数据输入策略模型，得到真实动作数据；策略模型的训练过程如下：将智能体的当前时刻的模拟位姿数据输入预设模型，得到当前时刻的模拟动作数据；将当前时刻的模拟动作数据输入环境模型，得到下一时刻的模拟位姿数据；基于下一时刻的模拟位姿数据与目标位姿数据，获取代价函数；以最小化所述代价函数作为策略优化目标，对预设模型进行强化学习训练，得到策略模型。策略模型可以高效地部署到智能体上，当智能体的位姿发生变化时，可以实现对智能体的稳定性控制，控制效果较佳。