一种融合GRU-Attention与TD3-SAC的机器人运动规划方法

本发明公开了一种融合GRU‑Attention与TD3‑SAC的机器人运动规划方法，旨在解决基于传统强化学习方法的运动规划在策略的多样性、稳定性和探索能力均衡性较弱的问题。具体来说，我们提出(1)在演员‑评论家网络中引入了门控循环单元(GRU)和注意力模块(Attention Module)以增强对时序特征的表示能力。(2)基于引入GRU‑Attention的Actor‑Critic网络，融合双延迟深度确定性策略梯度(TD3)与软演员‑评论家(SAC)算法，通过融合它们的促进探索机制，在保持训练稳定性和鲁棒性的同时，增强了机器人对复杂未知环境的探索能力。