人形机器人强化学习训练方法、装置、设备及存储介质

本申请提供了一种人形机器人强化学习训练方法、装置、设备及存储介质，其中，该方法包括：获取人形机器人的模型文件；对模型文件进行解析，得到人形机器人的双脚的位置关系以及人形机器人的部件约束信息，并根据双脚的位置关系，建立基准坐标系；根据基准坐标系以及部件约束信息，构建得到人形机器人的并联踝关节机构模型，并根据并联踝关节机构模型确定逆运动学信息；根据逆运动学信息以及部件约束信息，对人形机器人的强化学习策略进行训练。本申请避免了训练过程中通过解算的方式进行串并联转换，提高了运算效率，同时，还降低了对强化学习并行采样效率的要求，简化了训练过程，加快强化学习策略的收敛速度。