扩散策略跳步采样的机器人控制方法及系统、设备、介质

本发明涉及机器人控制技术领域，具体而言，涉及扩散策略跳步采样的机器人控制方法及系统、设备、介质，采用本发明所提供的方法，主要包括了初始化网络参数和超参数，基于当前状态计算Q函数梯度估计状态敏感度，根据Q函数梯度估计状态敏感度的大小自适应调整跳步参数；执行动作与环境交互，包括根据跳步参数确定采样序列执行DDIM采样，从策略网络得到动作；将动作送入仿真环境交互，得到下一步状态和动作奖励。该方法通过创新性的确定性扩散过程跳步采样技术，显著降低了计算复杂度和采样时间，同时保持策略生成的高质量。本发明特别适用于人形机器人控制系统，能够高效处理复杂的高维动作空间，实现实时且灵活的控制策略。