公開用于訓(xùn)練和應(yīng)用機(jī)器學(xué)習(xí)模型來(lái)控制機(jī)器人裝配的技術(shù)。在一些實(shí)施方案中，力和扭矩測(cè)量值被輸入到機(jī)器學(xué)習(xí)模型中，機(jī)器學(xué)習(xí)模型包括引入遞歸的記憶層。機(jī)器學(xué)習(xí)模型在機(jī)器人不可知環(huán)境中經(jīng)由強(qiáng)化學(xué)習(xí)進(jìn)行訓(xùn)練，以在給定力和扭矩測(cè)量值的情況下生成用于實(shí)現(xiàn)裝配任務(wù)的動(dòng)作。在訓(xùn)練期間，將經(jīng)驗(yàn)收集為情節(jié)內(nèi)的過(guò)渡，將過(guò)渡分組為序列，并且每個(gè)情節(jié)的最后兩個(gè)序列具有可變重疊。所收集的過(guò)渡存儲(chǔ)在經(jīng)優(yōu)先級(jí)化的序列重放緩沖器中，學(xué)習(xí)者從經(jīng)優(yōu)先級(jí)化的序列重放緩沖器中基于過(guò)渡和序列優(yōu)先級(jí)對(duì)要學(xué)習(xí)的序列進(jìn)行采樣。一旦經(jīng)訓(xùn)練，機(jī)器學(xué)習(xí)模型就可被部署來(lái)基于由各種類型的機(jī)器人的傳感器獲取的力和扭矩測(cè)量值來(lái)控制這些機(jī)器人以執(zhí)行裝配任務(wù)。