一种基于强化学习的双臂协同规划方法、系统、设备及介质

本发明公开了一种基于强化学习的双臂协同规划方法、系统、设备及介质，属于机械臂控制技术领域，包括：构建马尔可夫决策模型；根据状态空间中的当前状态，生成控制动作，得到左臂末端执行器和右臂末端执行器的三维位移增量指令；响应三维位移增量指令执行双臂协同控制后，计算混合奖励函数；对执行轨迹进行经验增强处理，对失败轨迹进行目标重设，生成伪目标经验并将原始经验和伪目标经验存储至回放缓存；根据回放缓存中的经验样本，更新策略网络和Q值网络参数，完成双臂协同轨迹规划策略的优化。本发明通过融合最大熵强化学习与经验回放机制，有效解决了双臂协同规划中的稀疏奖励和局部最优问题，提升了训练效率和策略泛化能力。