基于平均奖励强化学习的机械臂装配方法及系统

本发明涉及基于平均奖励强化学习的机械臂装配方法及系统。其中的方法包括：采集装配任务执行过程中的当前状态信息，并通过基于扩散模型的模仿学习策略生成动作分块序列；以所述当前状态信息和所述动作分块序列作为输入，采用基于APO算法的残差强化学习策略，对所述动作分块序列进行实时微调，以生成机械臂实际执行动作；通过闭环控制，实时反馈和调整，以使机械臂完成长视距的复杂装配任务。本发明可提升长视距复杂装配任务的完成率和效率。