人形机器人运动控制强化学习方法

本发明公开了一种人形机器人运动控制强化学习方法，包括：构建含感知、强化学习、决策及通信模块的智能体架构；通过分层强化学习模型实现高层生成战术级子目标、底层生成具体动作指令的分层动作控制；在对抗环境中，通过对手建模网络预测对抗行为并嵌入奖励函数，采用共享注意力机制优化协同策略；在策略探索与参数更新时，叠加策略熵正则化项并基于经验回放缓冲区更新参数；通过通信模块异步广播信号，接收方动态调整策略。该方法增强了人形机器人系统的通用性与适应性，提升了人形机器人智能体的学习效率与策略优化能力，改善了人形机器人在非配合环境下的性能表现，增强了系统鲁棒性与稳定性，能适应复杂动态环境。