基于深度Koopman的机器人强化学习安全控制器在线更新方法

本发明涉及安全强化学习技术领域，公开了一种基于深度Koopman的机器人强化学习安全控制器在线更新方法，包括：在仿真中采集随机输入控制的轨迹状态，训练深度Koopman神经网络，得到对应提升函数及演化矩阵；采用本征正交分解方法对该模型进行降维处理，获得投影矩阵及新的名义模型；在实机中进行强化学习策略迁移，交互中根据名义模型和当前观测状态得到观测误差，训练在线更新网络，得到残差矩阵；将名义模型与残差模型结合作为模型预测控制的模型约束，得到安全控制输入。本发明可以在线更新安全控制器，提升强化学习安全保障性能，适用于强化学习策略从仿真迁移到实机过程中存在模型差异、物理世界中存在扰动的动态环境等复杂情景。