基于世界模型隐变量和强化学习的AGV路径规划方法和装置

基于世界模型隐变量和强化学习的AGV路径规划方法和装置，其方法包括：对车间环境进行建模，生成起始点、目标点、AGV、静态障碍物及动态障碍物，并以栅格地图的方式对其进行像素点表示，将地图表示为图像的形式，获取初始时刻t0至tn的地图信息，作为世界模型学习网络dreamer的输入，生成离散世界模型；建立以结合障碍物分布和时间成本的奖励函数为基础的Actor‑Critic网络，以离散世界模型作为输入，Actor网络预测当前时刻t至后续t+15时刻的AGV动作，Critic网络根据奖励函数对动作进行奖惩；最后使用训练好后的动作网络对AGV进行路径规划。该方法可以减少AGV与环境的交互次数，减少训练的成本与时间，避免在真实环境下训练AGV可能出现的故障。