基于分布式强化学习的多智能体机器人协同控制方法及系统

本发明公开了一种基于分布式强化学习的多智能体机器人协同控制方法，其通过构建多智能体强化学习算法环境，定义状态空间、动作空间及奖励函数；构建分布式强化学习训练框架，包括采样模块、训练模块、调度管理及存储模块；基于“演员‑评论家”架构，为每个机器人智能体构建独立的演员网络和评论家网络；通过分布式训练框架，实现采样模块的样本数据共享与训练模块的神经网络参数共享和协作训练；最后将训练好的神经网络加载到多智能体机器人系统中，根据环境变化和任务需求进行协同控制；从而使每个节点的机器人智能体能够共享经验，并通过神经网络参数共享协作训练，从而实现协同控制策略，提高系统的整体性能和鲁棒性。