一种导航模型训练方法及装置

本发明提供了一种导航模型训练方法及装置，其中，该方法包括：对初始导航模型进行多任务训练，获取初始导航模型输出的第一导航策略；根据纠偏动作训练初始导航模型，得到中间导航模型，获取中间导航模型输出的第二导航策略；基于第二导航策略控制智能体移动，确定智能体执行各导航动作的熵值，根据熵值确定候选状态样本，生成对应的多个候选动作序列，确定各候选动作序列对应的奖励值；获取第一专家动作，基于第一专家动作对导航动作计算交叉熵，基于奖励值与交叉熵确定联合损失，根据联合损失更新模型参数，得到目标导航模型。该实施方式能够使导航模型具备误差恢复能力与奖励驱动的探索能力，提高训练效率的同时也能够提高导航模型的泛化能力。