一种基于准度量及规划的多目标强化学习方法

公开了一种基于准度量及规划的多目标强化学习方法，包括：构建表征函数、准度量值函数和隐空间动力学模型，并利用从环境交互中采样的转移数据和目标状态进行联合训练，其中，准度量值函数被优化以拟合状态到目标的成本，并作为距离度量标准用于优化隐空间动力学模型；在决策时，利用MPC框架，并结合CEM进行动作选择优化，该过程利用隐空间动力学模型预测未来轨迹，使用准度量值函数评估预测轨迹的成本，并根据CEM优化得到的最低成本规划结果确定应用于当前状态的单个动作。本公开通过学习准度量成本函数和隐空间模型，并结合模型预测控制规划，能够有效应对稀疏奖励，显著提高多目标强化学习的样本效率和最终性能。