策略网络训练方法和装置

本申请公开了策略网络训练方法和装置，涉及机器人控制技术领域。该方法的一具体实施方式包括：将运动指令和第一仿真环境返回的机器人模型的当前状态的状态信息输入策略网络，生成动作指令；对机器人模型执行动作指令实现的状态变化过程，进行评估；基于多个变化过程中的仿真数据，通过强化学习算法对所述策略网络的参数进行更新。该实施方式有效提升了训练得到的策略网络的环境适应性与抗扰鲁棒性。