面向稀疏连续控制任务的奖励塑造方法、装置、介质及终端

本发明公开了面向稀疏连续控制任务的奖励塑造方法、装置、介质及终端，包括采集智能体与仿真环境交互产生的经验数据，包括智能体执行的动作，仿真环境的当前状态信息和下一个状态信息，以及仿真外部奖励信号；利用全连接神经网络构建势能函数网络模型，获取智能体在当前状态和下一个状态的仿真环境的势能值；根据势能值差，通过奖励塑造函数计算内在奖励信号并和仿真外部奖励信号合并，得到最终的奖励信号；利用损失函数对势能函数网络模型进行更新，调整智能体执行动作的策略，使智能体在与环境的交互中获得最大化累积奖励；本发明利用状态之间的新旧策略的优势值差异作为内在奖励，提高了稀疏连续控制任务中的智能体性能，降低了计算成本。