基于学习微调的机器人决策优化方法、装置、设备及介质

本发明涉及机器学习技术领域，可应用于金融科技、医疗健康等业务系统平台中，公开了基于学习微调的机器人决策优化方法、装置、设备及介质，获取大规模行为克隆训练的机器人策略模型，并根据机器人策略模型部署机器人仿真环境；对机器人仿真环境进行动态扰动，得到扰动环境，并提取机器人仿真环境的跨域鲁棒特征，根据扰动环境和跨域鲁棒特征构建高保真仿真环境；根据高保真仿真环境对机器人策略模型进行学习率衰减匹配，得到衰减机器人策略模型；对衰减机器人策略模型进行稀疏奖励信号微调，得到微调机器人策略模型；对微调机器人策略模型进行持续优化，得到机器人策略优化模型。通过构建高仿真环境模拟现实，提高泛化能力。