1.一种四足机器人运动控制方法，其特征在于，包括：获取四足机器人在环境中行走时的状态，通过策略网络根据状态选择动作；所述状态包括四足机器人的俯仰角、横滚角、俯仰角速度、横滚角速度和各个关节的位置；所述策略网络采用双延迟深度确定性策略梯度算法进行训练；

获取四足机器人在环境中行走时的足端位置，以计算得到参考动作；

结合参考动作与策略网络输出的动作，得到四足机器人执行的动作，发出动作指令至四足机器人，实现四足机器人的运动；

所述四足机器人执行的动作表示为：

其中， 和 分别表示所述参考动作和所述策略网络输出的动作， 和 分别表示参考动作的权重系数和策略网络输出的动作的权重系数。

2.如权利要求1所述的一种四足机器人运动控制方法，其特征在于，所述参考动作的计算方法为：确定四足机器人步态参数；

基于四足机器人在环境中行走时的足端位置，结合步态参数，计算期望足端轨迹；

期望足端轨迹经过逆运动学计算，得到参考动作。

3.如权利要求2所述的一种四足机器人运动控制方法，其特征在于，所述期望足端轨迹为：其中，x（t）、y（t）和z（t）表示四足机器人t时刻时在机体坐标系中的期望足端位置，和 表示四足机器人初始状态时足端在机体坐标系中的位置， 表示腿摆动的步长， 表示腿摆动的步高， 表示单步的周期。

4.如权利要求1所述的一种四足机器人运动控制方法，其特征在于，四足机器人执行动作后，状态发生转移，并获得奖励，将动作、奖励和转移前后的状态组合为转移元组存放在经验回放池中。

5.如权利要求4所述的一种四足机器人运动控制方法，其特征在于，所述奖励采用奖励函数计算得到；

所述奖励函数包括前向速度奖励项、偏转速度惩罚项、能量消耗惩罚项、质心轨迹浮动惩罚项和姿态角变化惩罚项。

6.如权利要求4所述的一种四足机器人运动控制方法，其特征在于，所述策略网络的训练步骤为：从所述经验回放池中随机采样若干个转移元组，计算扰动后的动作，并更新价值网络的参数；

判断是否达到策略网络的更新步长，如果未达到更新步长，则继续更新价值网络的参数；否则，基于更新后的价值网络，使用确定性策略梯度法更新策略网络的参数。

7.一种四足机器人运动控制系统，其特征在于，包括：动作选择模块，其被配置为：获取四足机器人在环境中行走时的状态，通过策略网络根据状态选择动作；所述状态包括四足机器人的俯仰角、横滚角、俯仰角速度、横滚角速度和各个关节的位置；所述策略网络采用双延迟深度确定性策略梯度算法进行训练；

参考动作计算模块，其被配置为：获取四足机器人在环境中行走时的足端位置，以计算得到参考动作；

控制模块，其被配置为：结合参考动作与策略网络输出的动作，得到四足机器人执行的动作，发出动作指令至四足机器人，实现四足机器人的运动；

所述四足机器人执行的动作表示为：

其中， 和 分别表示所述参考动作和所述策略网络输出的动作， 和 分别表示参考动作的权重系数和策略网络输出的动作的权重系数。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑6中任一项所述的一种四足机器人运动控制方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑6中任一项所述的一种四足机器人运动控制方法中的步骤。