基于强化学习的四足机器人抗扰动运动控制方法

本发明公开了一种基于强化学习的四足机器人抗扰动运动控制方法及应用，属于机器人运动控制领域。首先，提出一种自适应推进控制框架，将推进器与四足机器人腿部运动系统深度融合。其次，通过双编码器系统(教师编码器与学生编码器)和预测器协同训练，实现隐状态提取与环境扰动重构，使机器人在执行器故障和水流干扰等复杂场景下实时调整运动策略。最后，结合多阶段强化学习训练和特权信息利用，优化策略网络输出，完成速度与轨迹跟踪任务。本发明通过推进器与腿部的协同控制、隐状态驱动的抗扰动决策以及动态奖励函数设计，显著提升了机器人在未知干扰和损伤条件下的运动鲁棒性。本发明适用于两栖环境，无需额外微调即可适应多样化扰动场景，具有较高的实用性和可靠性。