本发明提供一种水下探索策略模型的训练方法及仿生机器鱼水下探索方法，本发明的水下探索策略模型的训练方法包括：通过第一样本集对仿生机器鱼的初始探索策略模型进行训练，得到第一探索策略模型；从所述第一样本集中确定第二样本集；以第二样本集中的所述第一状态信息为样本，以与所述第一状态信息对应的第一动作信息为标签，训练所述第一探索策略模型，得到第二探索策略模型。本发明的水下探索策略模型的训练方法通过利用仿生机器鱼的历史经验中的较优动作所对应的第一状态信息与第一动作信息对第一探索策略模型进行训练，能降低较为失败的动作对模型的影响，避免模型的参数陷入局部最优，从而增强了模型在实际环境中运用的鲁棒性与稳定性。