一种基于世界模型扩展的无监督强化学习方法与系统

本发明提供了一种基于世界模型扩展的无监督强化学习方法与系统，属于计算机深度学习领域。所述方法获取已训练完毕的专家策略与环境交互的历史离线数据集D；构建世界模型神经网络，并基于D进行训练；再构建无监督强化学习模型，并设置初始的当前预测状态；将当前预测状态、技能向量z输入策略网络得到动作；将当前预测状态和动作输入到成熟的世界模型神经网络中，得到下一预测状态；得到完整轨迹数据后，存入回放缓冲区中；随机采样部分轨迹数据，对无监督强化学习模型进行训练；将当前环境状态和智能体的技能向量z输入成熟的无监督强化学习模型中，输出动作参数，并控制智能体执行相应动作。本发明提高了无监督强化学习的泛化能力和学习效率。