一种策略正则化提升探索效率的机器人控制方法

本发明公开了一种策略正则化提升探索效率的机器人控制方法，涉及机器学习技术领域。包括：构建策略网络、多个Q值网络和缓冲池；机器人使用策略网络产生动作与环境进行交互，并记录所述交互轨迹存储到缓冲池；从缓冲池中采样状态数据构建策略正则化值；根据所述缓冲池数据更新所述Q值网络和策略网络；重复策略与环境的交互并进行Q值网络和策略网络的更新至策略性能满足预设要求；根据最终的策略网络控制机器人进行任务。本发明通过构建策略正则化项去鼓励在更多的区域进行探索，进而解决强化学习中Q值被低估导致的样本探索利用效率低。