摘要
本发明涉及无人艇领域，具体涉及一种基于安全强化学习的无人艇姿态控制方法，包括如下步骤：获取无人艇的动作状态；将动作状态作为马尔科夫决策模型的状态空间，生成动作输入空间；根据无人艇姿态的安全性约束，设计安全强化学习算法，在考虑安全性约束成本条件下，动态生成控制无人艇动作的动作序列，并输出其中的最优动作序列；评估无人艇在执行所述最优动作序列后，无人艇的姿态是否在安全阈值内；将动作序列作为无人艇交互数据储存至经验回放缓冲区中作为经验，以供安全强化学习算法不断学习。在安全强化学习算法的优化目标中引入了安全性约束，用于平衡最大化奖励和安全约束成本，避免了无人艇只关注最大化奖励而忽略安全性的问题。
