基于强化学习的具有用于移动的下肢组件的机器人的自主恢复控制策略网络训练方法、装置、电子设备、机器人及计算机可读存储介质

本申请提供一种基于强化学习的具有用于移动的下肢组件的机器人的自主恢复控制策略网络训练方法、装置、电子设备、机器人及计算机可读存储介质。该方法使机器人在训练环境中处于非站立姿态的随机初始姿态，获取状态观测信息并输入恢复控制策略网络，以得到关节控制量；根据状态观测信息构建包括多个奖励分量的奖励函数，并基于该奖励函数更新网络参数，使训练后的恢复控制策略网络能够驱动机器人由非站立姿态恢复至目标站立状态并保持稳定。该方案有利于抑制不完整恢复、恢复后运动未收敛以及机体姿态正立但高度不足等状态。