一种面向跨域离线强化学习的逆动力学感知策略优化方法

本发明提供一种面向跨域离线强化学习的逆动力学感知策略优化方法，属于离线强化学习技术领域。本发明首先获取目标域离线数据集与源域离线数据集，基于目标域数据训练多组独立逆动力学模型构成模型集成；利用模型集成计算源域样本的不确定性分值，剔除高失配源域样本并构建混合训练数据集；再搭建由冻结逆动力学模型集成与可训练状态规划策略组成的组合策略，并基于样本不确定性对价值函数训练加权。本发明将目标域动力学信息贯穿样本筛选、策略训练和部署执行全流程，有效抑制跨域场景下源域数据带来的负迁移，提升目标域样本稀缺场景下策略训练稳定性与实际控制性能。