一种无人夹抱车强化学习规控算法的评价网络设计方法

本发明公开了一种无人夹抱车强化学习规控算法的评价网络设计方法，本发明通过高质量离线正样本融入评价网络的训练过程中，加速强化学习规控算法收敛并减少试错探索时间以提升作业效率；同时构建专门的评价网络融合层，依据离线正样本可信度与在线训练可信度动态调整权重，将离线正样本信息与在线训练特征融合，充分挖掘其有效作业策略，增强评价网络准确性与稳定性，最终实现整个强化学习规控算法性能的显著提升，有效推动无人夹抱车在复杂物流环境中的高效、精准作业。