本发明提出一种机械臂控制方法及装置，该方法包含：构建机械臂控制的模拟环境，获取环境状态信息，所述环境状态信息包含机械臂的位姿与速度，以及待操作物体位置；以所述环境状态信息作为输入信息，输入至符号网络中，所述符号网络的输出为机械臂动作值，包含机械臂的关节速度；从所述符号网络中选择合适的路径生成符号策略；依据所述符号策略部署机械臂的控制任务。该方法能够提高符号策略学习的效率，从而使用更少的交互数据学习到机械臂控制，提高了机械臂控制的精度。