本發(fā)明提供了一種基于強化學(xué)習(xí)的機器人導(dǎo)航避障任務(wù)實現(xiàn)方法及系統(tǒng)，包括：將導(dǎo)航任務(wù)建模為馬爾可夫過程，為強化學(xué)習(xí)方法設(shè)計狀態(tài)空間、動作空間及獎勵函數(shù)，確定完成任務(wù)的指標(biāo)；分析控制屏障函數(shù)的約束條件，調(diào)整參數(shù)，訓(xùn)練得到參數(shù)化的控制屏障函數(shù)；利用建模步驟中設(shè)計的狀態(tài)空間、動作空間及獎勵函數(shù)，并調(diào)整強化學(xué)習(xí)算法中的超參數(shù)，訓(xùn)練得到策略網(wǎng)絡(luò)；根據(jù)學(xué)習(xí)到的控制屏障函數(shù)，修改策略網(wǎng)絡(luò)的輸出，同時收集數(shù)據(jù)，更新控制屏障函數(shù)；通過預(yù)測屏蔽控制，對危險動作施加噪聲，使智能體偏離預(yù)定軌跡，使訓(xùn)練過程安全。本發(fā)明基于強化學(xué)習(xí)的框架，整合了可證明的有效控制屏障函數(shù)，以確保學(xué)習(xí)過程中的安全探索。