基于强化学习的机器人自主任务规划与执行控制方法

本发明提供基于强化学习的机器人自主任务规划与执行控制方法，属于机器人控制领域。该方法包括：根据机器人搭载的传感器模块，采集多源数据，并对所述多源数据预处理，生成实体状态原始数据集；利用数字孪生模型，进行动态映射与损耗参数校准，生成虚拟实体状态匹配数据集；利用预设的强化学习策略预演机制，进行策略训练，生成候选策略集；利用预设的策略筛选机制，确定最优执行策略，并驱动机器人执行所述最优执行策略，以实现机器人自主任务规划与执行。本发明可降低机器人机械损耗，减少因过度磨损导致的停机维护次数，提升生产效率，虚拟预演策略的实体执行准确率提升，减少策略重新训练的样本需求量，缩短新场景下的策略适配周期。