基于深度增强学习的预观控制仿人机器人步态规划方法

摘要

本发明公开了一种基于深度增强学习的预观控制仿人机器人步态规划方法，包括步骤：1)通过装配在仿人机器人上的传感器获取状态信息；2)改进现有的深度强化学习网络，定义全新的状态、动作向量和奖励函数；3)使用定义的动作向量对预观控制器的输出进行修正，计算出仿人机器人双腿各舵机的角度，指导仿人机器人行走；4)在仿人机器人行走过程中，用状态、动作向量、奖励函数的值更新改进的深度强化学习网络。本发明方法可有效解决仿人机器人在复杂环境下的行走问题，且在仿真平台和实体机器人上进行了测试，验证了此方法的有效性。