基于扩散模型的在线强化学习数据增扩方法

本发明公开了一种基于扩散模型的在线强化学习数据增扩方法，包括对原始轨迹数据进行处理生成增强特征数据；提取全局结构表示和局部细节表示；采用层级整合方法进行融合，得到统一的分层表示数据；基于预先存储的物理约束参数和任务约束参数，生成约束编码数据，融合生成约束感知表示数据；基于当前策略参数生成评估结果；对约束感知表示数据进行自适应调整，得到调整后的表示数据；进行模态分析，生成多样化的轨迹数据，得到候选轨迹集合；进行质量评估，并通过多目标优化方法进行轨迹筛选，更新策略网络参数，得到更新后的策略参数。本发明能够自动生成高质量的训练数据，提升强化学习系统的训练效率和性能。