原始名称记载: 深圳逐际动力科技有限公司

本公开提供一种基于深度强化学习的机器人运动控制策略网络训练方法、机器人运动控制方法、装置、设备、机器人及存储介质，涉及机器人技术领域。本公开通过引入前向预测模型并与运动控制策略网络共享编码器输出特征，通过前向预测模型的状态损失与运动控制策略网络的策略损失的综合损失更新编码器、运动控制策略网络以及前向预测模型的参数，使运动控制策略网络在训练过程中能够自主学习和适应环境的变化，加快策略网络的策略收敛速度，提高样本的利用率、训练效率与泛化能力，使得机器人在执行动作序列时可生成良好的连贯平滑的姿态过渡动作，降低了动作突变或姿态切换僵硬的发生概率，提升机器人运动过程中动作的自然性与连续性。

本公开提供了一种双点足机器人下蹲动作控制模型的训练方法及装置，涉及机器人技术领域。该方法包括：在下蹲动作控制模型训练过程中，为双点足机器人配置包含下蹲指令的指令向量；下蹲指令为在预设范围内随机采样得到的标量值；在每一训练周期内读取下蹲指令的当前取值，并响应于当前取值满足阈值条件，将当前训练实例识别为下蹲实例；针对下蹲实例，将对应的步态参数设为零值，以及配置奖励函数使机器人膝关节与地面接触时获得正向奖励且机器人本体高度低于预设阈值时获得正向奖励。本公开通过在训练阶段引入下蹲指令维度，使得控制模型能够基于指令状态区分正常行走行为与下蹲行为，从而具备在任意姿态下进行下蹲动作切换的响应能力。