随着工业4.0标准的推进和深度学习、大数据等技术的发展,机器人正逐步走向智能化。机器人在现实生活中的应用十分广泛,除了在工业应用中帮助人类更高效地完成工作以外,还可以在日常生活中代替人类完成各种工作任务。而机器人能像人一样完成各种复杂的工作,依靠的不仅仅是外部的硬件设备,更重要的是机器人的决策系统,机器人的自主决策能力和策略迭代优化是实现智能机器人决策系统的关键。目前智能机器人的应用领域涉及军事、工业、医疗、家庭服务等多个行业。因此研究机器人的任务策略迭代模型具有重要的现实意义。本文讨论的机器人自主决策模型主要是采用深度强化学习的方式进行训练。在该方式下机器人与所处的执行任务空间经过多个回合的交互,强化成功的经验,最终学习出完成任务的最优策略。环境空间就是当前机器人执行任务空间。由于目前机器人与现实执行任务空间进行交互时存在采样效率过低等问题,因此往往需要建立模拟环境,让机器人与模拟环境进行交互,但是模拟环境内进行交互训练得到的最优策略并不能直接应用到现实环境中,严重阻碍了基于深度强化学习的决策模型的落地应用,而且目前的机器人难以实现多个任务策略的持续迭代学习,以应对多任务的决策问题。针对以上难题,本文提出一种机器人任务策略迭代模型,具体的研究工作概括如下:1.针对机器人自主决策模型的优化方法,调研与分析目前国内外的研究现状,并探究了深度强化学习与策略迁移的相关理论与主流的强化学习算法。2.针对目前机器人在模拟环境中训练得出的策略模型难以迁移到现实环境中使用的问题,提出一种基于渐进式神经网络的机器人策略迁移方法。该方法对常规的基于多层感知机建立的渐进式神经网络进行改进,采用基于LSTM的网络结构建立深度强化学习的策略模型,提高策略模型在行为克隆和强化学习中对数据特征的提取能力,同时针对强化学习样本效率低的问题,提出一种基于聚类经验池（cluster experience pool,CEP）的优化算法,提高强化学习经验单元的样本利用效率,使强化学习的成功经验样本效率更高,并利用渐进式神经网络的结构优点,实现把模拟环境训练的策略模型向现实环境的迁移。最后进行了与基准模型的比较实验和结果分析。3.渐进式神经网络进行多任务学习时候,模型会随着任务增多而变得越来越臃肿,并且多任务学习也会导致知识负迁移。针对问题,本文结合了模型剪枝和注意力单元的方法,对基于渐进式神经网络的机器人多任务学习框架进行了改进,并将剪枝后的模型与目前主流的多任务学习模型进行了对比实验和分析。最后,对本课题研究的内容进行总结和分析,归纳总结本文的主要工作和不足之处,并对未来的研究方向进行展望。