机器人的策略模型训练方法、设备及存储介质

本申请提供了一种机器人的策略模型训练方法、设备及存储介质，其中，该方法包括：在离线学习阶段，首先采集专家示范数据，让机器人基于专家示范数据进行模仿学习，得到初始策略模型以及离线数据池。进入在线学习阶段，机器人就可以在专家策略的基础上进行强化学习，根据人工介入信息确定当前时间步的训练数据，将训练数据加入在线数据池中，并根据离线数据池与在线数据池进行模型参数更新，在所有任务结束后，将得到的初始策略模型作为目标策略模型。本申请在机器人在线强化学习的过程中，还将模型自主探索和人工介入相结合，进一步提升机器人策略网络的鲁棒性，并实现了机器人策略从示范到自主的高效转变。