一种基于强化学习的四足车感知与决策系统

本发明公开了一种基于强化学习的四足车感知与决策系统，包括：多模态感知模块、动态融合模块、强化学习决策模块和执行模块。多模态感知模块用于采集包括视觉、触觉和惯性数据在内的多模态环境信息；动态融合模块利用基于Transformer的特征提取与时序对齐方法，对多模态数据进行动态融合，生成统一的环境表示；强化学习决策模块基于Proximal Policy Optimization(PPO)算法，对多模态感知结果进行分析，生成优化的路径规划和动态避障指令；执行模块根据决策指令生成步态和运动控制命令，确保四足机器人的自主导航与环境适应能力。根据本发明，该系统显著提升四足机器人在复杂场景下的感知精度和决策效率，具有广泛的应用前景。