1.一種基于強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)的無(wú)人機(jī)自主飛行訓(xùn)練方法，其特征在于，包括如下步驟：

(1)創(chuàng)建無(wú)人機(jī)仿真模擬器環(huán)境；

(2)構(gòu)建基于深度學(xué)習(xí)的環(huán)境轉(zhuǎn)移模型f_α，即“當(dāng)前狀態(tài)-當(dāng)前動(dòng)作”對(duì)到下一狀態(tài)的映射，并隨機(jī)初始化該映射；

(3)構(gòu)建強(qiáng)化學(xué)習(xí)的A3C算法，并隨機(jī)初始化其飛行策略π_θ；

(4)構(gòu)建基于深度學(xué)習(xí)的環(huán)境逆轉(zhuǎn)移模型f'_β，即“當(dāng)前狀態(tài)-下一狀態(tài)”對(duì)到當(dāng)前動(dòng)作的映射，并隨機(jī)初始化該映射；

(5)收集無(wú)人機(jī)操作員和飛行策略π_θ在現(xiàn)實(shí)環(huán)境下操作無(wú)人機(jī)進(jìn)行飛行得到的飛行數(shù)據(jù)，即連續(xù)的“狀態(tài)-動(dòng)作”對(duì)組成的軌跡數(shù)據(jù)；

(6)基于現(xiàn)實(shí)飛行數(shù)據(jù)，更新環(huán)境轉(zhuǎn)移模型f_α；(7)使用f_α和f'_β進(jìn)行基于動(dòng)作校正的遷移學(xué)習(xí)，校正飛行策略π_θ，得到飛行策略π'，并在模擬器執(zhí)行π'得到模擬飛行數(shù)據(jù)；

(8)基于模擬飛行數(shù)據(jù)，使用A3C算法更新飛行策略π_θ，同時(shí)更新環(huán)境逆轉(zhuǎn)移模型f'_β；

重復(fù)(5)-(8)，直至策略π_θ收斂；最終得到策略π_θ作為的現(xiàn)實(shí)無(wú)人機(jī)的初始飛行策略。