一种基于强化学习的蛇形机器人控制方法

本发明公开了一种基于强化学习的蛇形机器人控制方法，包括：搭建包含墙壁、立方体障碍物和低矮通道的复杂地形仿真场景；对蛇形机器人的结构、关节及动力学参数进行建模，得到蛇形机器人仿真模型；定义蛇形机器人的状态空间和动作空间，并设计多元化的奖励函数；采用多层感知器MLP结构构建动作网络和价值网络；应用强化学习算法对蛇形机器人进行多轮仿真训练，使机器人学到不同情景下做出优化决策的参数集，实现蛇形机器人的优化控制，到达目标点。本发明无需依赖视觉信息，能够通过自主学习实现蛇形机器人在复杂环境中高效、稳定运动控制，提升在低矮狭窄空间的穿越能力。