一种基于遮掩残差Transformer量子强化学习的农业机器人导航方法

本发明提出了一种基于遮掩残差Transformer量子强化学习的农业机器人导航方法，该方法由遮掩残差Transformer（Masked Residual Transformer,MRT）网络模型及支持该模型的Qua‑SAC量子强化学习构成。MRT的输入为极坐标下的目标状态和作为视觉状态的原始RGB图像，特征提取部分主要由层归一化操作层、掩码多头自注意力块、多层感知器块、全连接层组成，通过这样的设计MRT网络可以将目标关键特征提取出来，以解决农业非结构化环境下感知模块与目标信息解耦导致数据效率低下的问题，促使场景表示更加聚焦于目标相关特征；Qua‑SAC量子强化学习通过引入量子卷积，提高Q值估计的准确性和计算效率以学习最优导航策略，提高农业机器人在农业非机构化环境下的导航性能。