复现高等生物的学习过程是机器人研究的一个重要研究方向，研究人员已探索出一些常用的基于行动者评价器（actor　critic，AC）网络的强化学习算法可以完成此任务，但是还存在一些不足.　针对深度确定性策略梯度（deep　deterministic　policy　gradient，DDPG）存在着Q值过估计导致恶化学习效果的问题,受到大脑前额叶皮质层仲裁机制的启发，提出了一种深度仲裁行动者评价器（deep　arbitration　actor　critic，DAAC）算法，其中包含两套评价网络，通过仲裁机制进行择优选取评价网络去更新策略参数，有效解决了Q值过估计的问题，该算法使得四足机器人成功复现了仿生的步态学习过程.　通过仿真实验，将DAAC算法与DDPG、软行动者评价器（soft　actor　critic，SAC）、近端策略优化(proximal　policy　optimization，PPO)三种算法进行了对比实验，实验证明经DAAC训练的四足机器人步态在奖励值、机体稳定性和速度三个方面都有更好的表现，有效验证了算法的优越性.