1.基于深度强化学习的能效优化运动控制方法，应用于轮腿复合机器人的模式切换控制，其特征在于，包括：接收所述机器人以轮式模式在当前区域的负载数据、运行状态数据以及所述当前区域的地形数据，所述当前区域为所述机器人可能打滑的区域；

通过基于深度强化学习的滑移预测模型，根据所述负载数据、运行状态数据以及所述地形数据，生成表征所述机器人当前行进路径上不同位置滑移风险的滑移概率图；

根据预设地形‑能耗映射表与所述滑移概率图，计算所述机器人在所述当前行进路径上切换至腿式模式行进的第一预期能耗与保持轮式模式行进的第二预期能耗的能耗差值；

判断所述滑移概率图中的最大滑移概率是否超过预设概率阈值，是则生成切换至腿式模式的指令，否则通过预设评分函数根据所述最大滑移概率与所述能耗差值计算权衡安全风险与能耗成本的切换评分；

判断所述切换评分是否大于预设评分阈值，是则生成保持轮式模式的指令，否则生成切换至腿式模式的指令；

发送所述指令至所述机器人的指令执行端；

其中，所述预设评分函数具体为：

；

其中，所述 表示所述最大滑移概率， 为所述能耗差值， 和 为预设的归一化参考值常量，为预设的风险权重调整系数， 为预设的能耗权重调整系数， 和 分别表征滑移风险的重要性与能耗差值的重要性，满足 。

2.根据权利要求1所述的基于深度强化学习的能效优化运动控制方法，其特征在于，所述判断所述滑移概率图中的最大滑移概率是否超过预设概率阈值前还包括：获取所述当前区域的环境温度数据；

根据预设的地形‑温度区间‑概率调整函数映射表及所述地形数据、环境温度数据，提取对应的概率调整函数；

根据所述环境温度与所述概率调整函数调整所述预设概率阈值。

3.根据权利要求2所述的基于深度强化学习的能效优化运动控制方法，其特征在于，所述判断所述切换评分是否大于预设评分阈值还包括：根据预设的地形‑温度区间‑评分调整函数映射表及所述地形数据、环境温度数据，提取对应的评分调整函数；

根据所述环境温度数据与所述评分调整函数调整所述预设评分阈值。

4.根据权利要求1所述的基于深度强化学习的能效优化运动控制方法，其特征在于，所述生成滑移概率图包括：将所述当前行进路径划分为多个用于滑移预测的位置点；

根据所述地形数据提取各个所述位置点对应位置的地形子区域数据；

通过所述滑移预测模型，根据所述地形子区域数据与所述负载数据、运行状态数据，输出各个所述位置点的滑移概率；

根据多个所述位置点与对应的滑移概率构建所述滑移概率图，所述滑移概率图为表示所述滑移概率在所述当前行进路径上空间分布的二维矩阵。

5.根据权利要求1所述的基于深度强化学习的能效优化运动控制方法，其特征在于，所述能耗差值的计算步骤为：获取所述当前行进路径在所述当前区域内的路径长度 ；

将所述路径长度 离散成 段等长的路径单元，每段路径单元的长度为 ；

根据所述滑移概率图计算所述机器人的轮式模式在每个所述路径单元中的平均滑移概率 ；

根据所述预设地形‑能耗映射表得到所述机器人在轮式模式下通过所述当前区域的单位距离能耗 ，以及在腿式模式下通过所述当前区域的单位距离能耗 ，其中，表示所述地形‑能耗映射表中地形的索引；

计算所述第一预期能耗：

；

计算所述第二预期能耗：

；

其中， 表示第 个路径单元的地形类型的索引， 表示第 个路径单元的平均滑移概率，为预设的滑移补偿系数， 为预设的所述机器人从所述轮式模式切换至所述腿式模式的能耗；

根据所述第一预期能耗与所述第二预期能耗计算得到所述能耗差值：。

6.根据权利要求1所述的基于深度强化学习的能效优化运动控制方法，其特征在于，还包括：获取所述机器人以轮式模式或腿式模式通过所述当前行进路径的实际能耗数据；

根据所述实际能耗数据与对应的所述第一预期能耗或所述第二预期能耗计算能耗偏差值；

根据所述能耗偏差值，调整所述地形–能耗映射表中对应地形下所述机器人的轮式模式或腿式模式的能耗映射参数。

7.基于深度强化学习的能效优化运动控制系统，其特征在于，包括：数据接收模块，用于接收机器人以轮式模式在当前区域的负载数据、运行状态数据以及所述当前区域的地形数据，所述当前区域为所述机器人可能打滑的区域；

滑移预测模块，用于通过基于深度强化学习的滑移预测模型，根据所述负载数据、运行状态数据以及所述地形数据，生成表征所述机器人当前行进路径上不同位置滑移风险的滑移概率图；

能耗计算模块，用于根据预设地形‑能耗映射表与所述滑移概率图，计算所述机器人在所述当前行进路径上切换至腿式模式行进的第一预期能耗与保持轮式模式行进的第二预期能耗的能耗差值；

风险决策模块，用于判断所述滑移概率图中的最大滑移概率是否超过预设概率阈值，是则生成切换至腿式模式的指令，否则通过预设评分函数根据所述最大滑移概率与所述能耗差值计算权衡安全风险与能耗成本的切换评分；

模式决策模块，用于判断所述切换评分是否大于预设评分阈值，是则生成保持轮式模式的指令，否则生成切换至腿式模式的指令；

指令发送模块，用于发送所述指令至所述机器人的指令执行端；

其中，所述预设评分函数具体为：

；

其中，所述 表示所述最大滑移概率， 为所述能耗差值， 和 为预设的归一化参考值常量，为预设的风险权重调整系数， 为预设的能耗权重调整系数， 和 分别表征滑移风险的重要性与能耗差值的重要性，满足 。

8.一种电子设备，包括存储器和处理器，其特征在于：所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现如权利要求1 7任一所述方法的步骤。

~

9.一种计算机存储介质，其上存储有计算机可执行指令，其特征在于：所述计算机可执行指令被处理器执行时实现如权利要求1 7任一所述方法的步骤。

~