基于混合状态估计的强化学习四足机器人倒立摆稳定方法

本发明涉及机器人与自动化技术领域，公开了一种基于深度强化学习的四足机器人倒立摆稳定控制方法，具体包括：将一阶倒立摆固定在四足机器人的机身上；将四足机器人的运动建模为部分可观测马尔可夫决策过程，并通过基于演员‑评论家模型的邻近策略优化算法对部分可观测马尔可夫决策过程输出的策略进行训练；演员‑评论家模型包括策略网络和价值网络；在策略训练过程中采用域随机化技术，随机化环境的参数；综合考虑速度跟踪奖励、稳定性惩罚以及倒立摆惩罚项来设计奖励函数，以训练价值网络并提供监督信号。本发明设计了一种端到端的、基于混合状态估计的四足机器人倒立摆稳定方法，提升了机器人平衡能力和稳定性能。