安卓智能体超越行为克隆的策略学习方法和系统

本发明属于人工智能技术领域，涉及一种安卓智能体超越行为克隆的策略学习方法和系统，所述方法包括：1)根据专家演示数据对安卓智能体基座模型进行行为克隆；2)在行为克隆后的安卓智能体基座模型的基础上构造奖励函数，并根据专家演示数据对其进行离线强化学习RWR和AWR训练，以获得最终的安卓智能体。本发明结合行为克隆和离线强化学习的优势设计了一套超越传统行为克隆的策略学习方法，该方法相比于传统行为克隆方法可以学到更优的策略，并且比隐式行为克隆，生成对抗模仿学习等方法更加适用于安卓智能体领域，并且占用资源较少，训练模式简单，相比于离线强化学习方法，该方法不需要训练判别器网络，在奖励稀疏的情况下同样有效。