结合广义优势估计和模态分解交互的离线强化学习方法

本发明属于离线强化学习，具体涉及结合广义优势估计和模态分解交互的离线强化学习方法。为解决基于TransFormer的离线强化学习方法中轨迹拼接能力不足，以及轨迹中多模态信息的模态内交互和模态间交互的问题，本发明采用广义优势估计改善模型在离线数据集中的轨迹拼接能力，模态分解交互模块利用编码器‑解码器结构，编码器利用基于ConvFormer的模态内部交互，有效处理单一模态中的时序信息。与此相对，基于TransFormer的模态间交互则捕捉状态与动作之间的相关性，增强了模型对状态和动作序列的表征能力。解码器进一步使用卷积和交叉注意机制融合多模态信息，从而实现更准确的动作预测。