一种基于深度强化学习的SLAM参数自适应方法及系统

本发明公开了一种基于深度强化学习的SLAM参数自适应方法及系统，将深度强化学习技术引入SLAM系统参数优化。通过设计并训练一个基于深度强化学习算法的智能体，在不干扰底层SLAM方法正常运行的前提下，实时收集SLAM系统和环境场景的特征信息，并动态调整SLAM系统中的关键参数。显著提升了场景信息与系统决策的匹配度，增强了SLAM系统在复杂未知环境下的鲁棒性和定位精度。在不同数据集上的测试结果表明，相较于固定参数的SLAM系统，本发明能够有效降低平均轨迹误差，性能有较大提升，证明了本发明的优越性和实用性。