用于机器人控制任务的自适应记忆增强模仿学习方法

本发明公开了一种用于机器人控制任务的自适应记忆增强模仿学习方法，包括对原始多模态数据进行标准化处理和时序特征提取，构建层次化特征表示；建立包含短期记忆、工作记忆和长期记忆的分层结构，基于使用频率、任务相关性和新颖性评估记忆重要性并动态更新记忆内容；根据当前状态检索相关记忆并进行多模态特征融合；基于近邻样本搜索计算塑形奖励；通过多损失函数组合优化策略网络参数。本发明通过自适应的记忆管理和多模态特征融合机制，提高了机器人控制系统的学习效率和执行性能。