一种面向机器人运动控制策略的强化学习训练方法及系统

本发明公开了一种面向机器人运动控制策略的强化学习训练方法，包括：在仿真训练环境中获取机器人本体观测、历史观测和特权观测；在教师阶段利用特权观测训练教师策略，使特权编码器生成能够表征地形、接触和扰动状态的特权隐变量；在适配阶段加载教师策略检查点，冻结动作网络参数，仅训练历史编码器，并通过隐变量对齐、动作对齐、价值信息保持和平滑性约束，使历史隐变量近似特权隐变量；在微调阶段移除特权观测，以机器人真实部署时可获得的本体观测和历史观测继续强化学习微调，得到可部署的运动控制策略。本发明能够降低特权训练策略与真实部署策略之间的观测差异，提升策略迁移稳定性、动作平滑性和部署一致性。