本發(fā)明屬于機器人控制技術(shù)領(lǐng)域，公開了一種遷移強化學(xué)習(xí)控制方法、系統(tǒng)、存儲介質(zhì)、設(shè)備及應(yīng)用，采用交互漸進網(wǎng)絡(luò)學(xué)習(xí)，先對人的評估以反饋網(wǎng)絡(luò)進行建模預(yù)訓(xùn)練，用于在訓(xùn)練策略時預(yù)測人的評估；對使用漸進式網(wǎng)絡(luò)遷移后的策略進行訓(xùn)練時，同時使用人的實時評估和反饋網(wǎng)絡(luò)的預(yù)測作為獎勵函數(shù)。其允許人類訓(xùn)練者對狀態(tài)動作提供評估，由狀態(tài)動作對序列{(s₀,a₀),...,(s_n,a_n)}組成，從評估中訓(xùn)練人的反饋網(wǎng)絡(luò)并且該網(wǎng)絡(luò)被當(dāng)作漸進式網(wǎng)絡(luò)遷移后的策略訓(xùn)練中的獎勵函數(shù)。本發(fā)明能夠有效的對不同環(huán)境的策略進行遷移；在具有離散和連續(xù)動作的任務(wù)之間，即使當(dāng)漸進網(wǎng)絡(luò)學(xué)習(xí)從具有高維狀態(tài)空間的任務(wù)遷移到那些具有低維狀態(tài)空間的任務(wù)效果很小時，能更好、更快地進行遷移學(xué)習(xí)。