基于CPG与强化学习的拟态水下机器人运动控制方法

本发明公开了一种基于CPG与强化学习的拟态水下机器人运动控制方法，涉及机器人运动控制、神经振荡器及智能决策领域。首先，提出中央模式发生器(CPG)，通过可调幅值、频率和相位的CPG网络实现多自由度关节间的相位耦合与步态生成，一体化地将CPG与强化学习模型相结合。其次，引入深度强化学习算法，训练策略网络实时调整CPG参数(包括振幅、频率和相位偏移)，实现自适应运动控制。该方法有机结合物理建模与强化学习控制，有效提升了拟态水下机器人在多环境下的步态稳定性、机动灵活性与能耗效率，具有广泛的工程应用前景。