一种基于轨迹行为度量的强化学习导航方法及系统

本发明公开了一种基于轨迹行为度量的强化学习导航方法及系统，其涉及机器人导航技术领域。本方法通过轨迹级行为度量，综合评估奖励差异、状态转移相似性及未来轨迹表示差异，增强机器人对长期行为模式的捕捉能力，避免短视决策；引入关键状态标识符和掩码表示机制，动态加权状态重要性，精准定位关键状态，减少无效探索步数；利用前向动力学模型，增强对状态转移动态的建模能力，防止表示崩溃，提升策略稳定性，降低失败率，避免过拟合，增强泛化能力；通过轨迹回报估计器结合实际与伪奖励，引导探索方向，加速策略收敛并减少工程成本；采用并行环境交互与批量数据采样，轻量化表示编码器，减少计算开销，提高资源利用率。