易普森生物科技（深圳）有限公司

本发明提出了一种基于强化学习的机器人自适应步态生成方法及系统，通过配置机器人的行进模式，以使机器人按照所配置的行进模式进行移动，获取时刻t的状态参数，基于所述状态参数生成机器人在时刻t对应所述行进模式的步态参数，获取时刻t+1的状态参数，计算与时刻t+1的状态参数相对应的奖励，根据相同环境场景下的历史奖励数据确定与时刻t+1的落脚点相对应的目标落脚点，所述目标落脚点为在相同环境场景下的历史落脚点中，与时刻t+1的落脚点具有最大关联奖励值的时刻的落脚点，根据所述目标落脚点的步态参数确定为机器人在时刻t+1对应所述行进模式的步态参数，使得机器人步态控制强化学习效果能够体现在长周期奖励回报值上，从而有效降低学习成本。