基于强化学习的机器人自适应运动控制算法

本发明涉及机器人控制技术领域，特别是涉及基于强化学习的机器人自适应运动控制算法，该算法获取机器人关节的力矩信号，并基于力矩信号构建表征机器人与环境交互状态的状态向量，通过分层强化学习训练机制，生成自适应运动控制策略，策略包括构建多维度奖励函数，融合任务完成度、能源效率、运动安全性及平滑度，并利用Q‑learning算法对状态向量和动作控制序列之间的映射关系进行迭代优化，在多种物理参数环境下验证自适应运动控制策略，并基于验证结果选择性地触发重新训练，验证通过的自适应运动控制策略部署到机器人控制系统，自适应性显著提高，使机器人控制策略能够适应±30%范围内的物理参数变化，无需人工干预重新调整参数。