机器人调度方法、装置、计算机可读存储介质及电子设备

本申请属于机器人调度技术领域，尤其涉及一种机器人调度方法、装置、计算机可读存储介质及电子设备。所述方法包括：确定机器人在第一状态下执行选定动作后得到的第二状态；在所述第二状态为目标状态的情况下，确定预设的第一价值模型在所述第二状态下的第一价值输出；其中，所述第一价值模型用于表征由所述目标状态返回至起始状态的过程中的预估奖励值；根据所述第一价值输出对预设的第二价值模型进行更新；其中，所述第二价值模型用于表征各种状态转移所对应的实际奖励值；在完成对所述第二价值模型的更新之后，根据所述第二价值模型对所述机器人进行调度。通过本申请，增加了对于由目标状态返回至起始状态的考虑，有效提高了全局调度效率。