自动导引运输车不停车分拣控制模型训练、控制方法及装置

本发明提供一种自动导引运输车不停车分拣控制模型的训练、控制方法及装置。通过预设传感器实时采集状态参数构建状态空间，基于分拣投递控制要素构建动作空间。根据包裹是否抛出动态调整奖励值，包裹未抛出时，引入包裹落点预测奖励、AGV位置偏移奖励、传送带加速度奖励和移动机构加速度奖励；包裹抛出时，基于实际落点计算奖励值。通过强化学习算法，利用奖励值计算每个时间步的回报和优势值，结合优势值限制新旧策略概率比的变动范围优化策略网络，同时通过最小化价值预测误差优化价值网络。引入超网络，以经验池中记录的状态参数为输入，训练副神经网络，使其在新状态下优先生成主神经网络的初始参数，显著提高分拣效率和准确性。