智能体策略处理方法、装置、电子设备和存储介质

本公开提供了一种智能体策略处理方法、装置、电子设备和存储介质。该方法包括：接收目标智能体在目标虚拟场景的多个虚拟环境实例中的多个环境观测数据；将多个环境观测数据进行聚合处理，得到环境观测张量；将环境观测张量发送给预设硬件加速器，以使预设硬件加速器调取目标智能体对应的策略处理模型，对环境观测张量进行动作推理；接收预设硬件加速器调用策略处理模型，推理得到的动作聚合结果；对动作聚合结果进行拆分处理，得到每一环境观测数据对应的动作决策，并将每一环境观测数据对应的动作决策发送给相应的虚拟环境实例。它能够提高在高并发场景下的智能体动作响应效率。