一种异构场景下复杂技能主动学习、增强与虚实迁移方法

本申请提出了一种异构场景下复杂技能主动学习、增强与虚实迁移方法，该方法包括：首先通过多执行器环境互动收集状态数据，存入共享经验池，采样后交替训练执行器与判别器，最终选定最优执行器部署，实现复杂技能主动学习与增强；然后在3C装配的数字孪生环境下，通过采集多模态数据构建技能知识库，生成策略序列，运用残差强化学习等技术优化，通过编码解码模型实现技能策略从虚拟到现实的迁移。基于本申请提出的方案，没有教师模型或示教数据的情况下，通过结合强化学习和知识蒸馏技术，提高了技能学习的效率，为解决复杂环境下的技能学习问题提供了一种新的视角和方法，并实现了操作技能从仿真环境到真实装配环境的虚实迁移。