针对传统视觉SLAM系统依赖固定参数且需手动调整的问题，提出了一种基于离散化奖励Decision Transformer的自适应参数调整方法——DR-DT。该方法将参数自适应过程转化为序列建模任务，通过选择SLAM关键参数定义连续动作空间，基于位姿不确定性构建奖励函数，结合离散化奖励机制提升学习稳定性。以ORB＿SLAM3为测试系统，在EuRoC MAV和TUM-VI数据集上的实验结果表明，所提方法能有效提升视觉SLAM系统在复杂场景中的位姿估计精度，同时简化了参数调整过程。该方法为视觉SLAM系统的参数自适应优化提供了新思路。