多场景通用的决策方法和装置

本发明提供一种多场景通用的决策方法和装置，应用于智能决策技术领域。该方法包括：获取当前时刻智能体的观测值和行动值；将所述观测值和所述行动值输入任务状态提示器模块，得到任务状态提示序列；将所述任务状态提示序列输入广义动力学模块，得到所述智能体的下一时刻的观测值；其中，所述广义动力学模块为基于变换器的循环状态空间模型。由于可以解决不同场景下动力学难以拟合的问题，因此可以提高多场景离线强化学习方法的学习回报率，从而实现决策方法的多场景通用需求。