本申請公開了一種視頻數(shù)據(jù)處理方法、裝置、電子設(shè)備和計算機可讀介質(zhì)。該方法包括：基于預(yù)設(shè)的獎勵預(yù)測模型，對視頻數(shù)據(jù)中，執(zhí)行主體執(zhí)行目標任務(wù)時的任務(wù)環(huán)境進行特征提取，生成任務(wù)環(huán)境的分布激勵；基于預(yù)設(shè)的強化學習模型，根據(jù)任務(wù)環(huán)境，生成任務(wù)指令，根據(jù)任務(wù)指令指導(dǎo)執(zhí)行主體執(zhí)行目標任務(wù)，得到任務(wù)結(jié)果；基于預(yù)設(shè)的獎勵評估函數(shù)，對任務(wù)結(jié)果進行評估，生成任務(wù)激勵，并根據(jù)任務(wù)激勵，對獎勵預(yù)測模型的參數(shù)進行調(diào)整；根據(jù)分布激勵，對強化學習模型的參數(shù)進行調(diào)整。籍此，通過強化學習模型生成的任務(wù)激勵對獎勵預(yù)測模型的參數(shù)進行調(diào)整，優(yōu)化獎勵預(yù)測模型；通過獎勵預(yù)測模型生成的分布激勵對強化學習模型的參數(shù)進行調(diào)整，優(yōu)化強化學習模型。