一种移动机器人强化学习高精度里程计的计算方法

本发明涉及的一种移动机器人强化学习高精度里程计的计算方法，包括以下内容：多模态输入数据，构建物理仿真环境；强化学习训练机制：采用仿真数据驱动的监督学习为主、强化学习为辅的两阶段训练策略；轻量化网络架构：采用两层MLP架构，64维→32维→输出维度。本发明构建端到端的运动状态映射模型，通过在虚拟仿真环境中训练轻量化神经网络，替代传统依赖高精度硬件的多传感器融合方案，实现基于强化学习的高精度、自适应、低成本的实时里程计算法，提升机器人在动态未知场景下的自主运动控制稳定性与长期定位可靠性。