[发明专利]一种强化学习机器人控制方法

权利要求书

1.一种强化学习机器人控制方法，其特征在于：包括以下步骤：构建初始模型：根据机器人上数据输入接口和控制输出接口，以强化学习算法建立初始控制模型；训练初等模型：用手动控制的方式，在任一真实场景中控制机器人获取真实数据，利用真实数据对初始控制模型进行训练得到初等控制模型；定向训练：在目标场景的仿真环境中，对初等控制模型进行训练，得到定向控制模型；投入使用：用定向控制模型控制机器人，在目标场景中控制并实时更新定向控制模型。

2.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述数据输入接口接入传感器和/或外部系统。

3.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述投入使用步骤中，如需更换目标场景，则返回至定向训练步骤，并将投入使用的定向控制模型作为初等控制模型进行训练。

4.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述训练初等模型步骤中，采用监督学习的方式对初始控制模型进行训练。

5.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述初始控制模型、初等控制模型、定向控制模型的模型结构完全一致。

6.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述初始控制模型为神经网络架构。

7.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述仿真环境采用Gazebo或VREP平台。

8.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述真实数据以控制周期分组，利用至少500组真实数据对初始控制模型进行训练。

9.如权利要求1所述的强化学习机器人控制方法，其特征在于：所述投入使用步骤中，如需更换硬件，则返回至构建初始模型步骤。