发明人：熊得竹; 杨红杰; 温志庆

本申请涉及机械臂控制技术领域，提供一种基于强化学习的机械臂插件控制方法、装置、设备及介质，该方法包括步骤：根据容器位姿信息及预设距离设定中间点信息，中间点信息为位于容器模型的正上方的预设点的信息；基于随机的第一初始化位姿和中间点信息训练第一强化学习模型，第一强化学习模型用于生成第一移动策略；基于随机的第二初始化位姿、训练后的第一强化学习模型、中间点信息和容器位姿信息训练第二强化学习模型，第二强化学习模型用于生成第二移动策略；部署训练后的第一强化学习模型及第二强化学习模型到机械臂控制端以控制机械臂进行插件；该方法能够有效地减少插件方法的数据计算量。