基于动态势能奖励的机器人控制强化学习方法及装置

本申请涉及计算机科学技术领域，特别涉及一种基于动态势能奖励的机器人控制强化学习方法及装置，其中，方法包括：获取机器人的机器人信息和初始状态信息；基于机器人信息和初始状态信息，对机器人进行至少一轮的机器人控制交互，在每轮控制交互中，基于机器人的控制指令和状态信息，计算机器人的基于动态势能构造的密集奖励值；结合基于动态势能构造的密集奖励值和控制交互过程生成的训练数据训练机器人的初始控制策略神经网络，以得到最终控制策略神经网络。由此，解决了相关技术中，势能函数是固定的，导致整个训练过程中每个状态获得的奖励是确定的，进而限制了策略探索，无法对机器人进行复杂的控制等问题。