一种基于强化学习的仿蝾螈机器人全向运动控制方法及系统

一种基于强化学习的仿蝾螈机器人全向运动控制方法及系统，属于机电系统控制领域。该方法包括：获取机器人状态信息与运动指令；通过相位积分模块生成周期性相位变量，并由轨迹生成器输出各关节目标动作；基于行为约束设计奖励函数，对运动方向性及姿态稳定性进行约束；利用仿蝾螈机器人身体结构的形态学对称性，对状态‑动作样本进行对称增强，以扩充训练数据；采用强化学习算法，根据奖励反馈与对称增强数据迭代更新控制策略，获得稳定、高效的全向运动控制模型。本发明能够在无需预设步态模型的情况下，实现强化学习驱动的全向运动策略生成，具有运动模式自然、控制精度高及适应性强的优点，可广泛应用于复杂地形探测及智能巡检等领域。