【发明公布】一种智能体的训练、基于智能体的动作控制方法及装置_腾讯科技(深圳)有限公司_202011176683.8 

申请/专利权人:腾讯科技(深圳)有限公司

申请日:2020-10-29

发明/设计人:邱福浩;韩国安;王亮;付强

公开(公告)日:2021-01-12

代理机构:北京同达信恒知识产权代理有限公司

公开(公告)号:CN112215328A

代理人:李娟

主分类号:G06N3/00(20060101)

地址:518044 广东省深圳市南山区高新区科技中一路腾讯大厦35层

分类号:G06N3/00(20060101);G06N20/00(20190101)

优先权:

专利状态码:在审-公开

法律状态:2021.01.12#公开

摘要:本申请涉及人工智能技术领域,尤其涉及一种智能体的训练、基于智能体的动作控制方法及装置,获取基于智能体产生的环境交互数据,其中,所述环境交互数据至少包括环境状态信息和影响因子,以及通过所述智能体获得的响应于所述环境状态信息的动作和即时激励数据;根据所述环境状态信息和所述影响因子,通过已训练的势能函数,获得目标势能值,并根据对应所述环境状态信息的标准势能值和所述目标势能值,获得正向激励数据或负向激励数据;根据所述即时激励数据,以及所述正向激励数据或所述负向激励数据,获得目标激励数据;根据所述环境状态信息、所述动作和所述目标激励数据,对所述智能体进行强化学习训练,可以提高智能体训练效率和准确度。

主权项:1.一种智能体的训练方法,其特征在于,包括:获取基于智能体产生的环境交互数据,其中,所述环境交互数据至少包括环境状态信息和影响因子,以及通过所述智能体获得的响应于所述环境状态信息的动作和即时激励数据;根据所述环境状态信息和所述影响因子,通过已训练的势能函数,获得目标势能值,并根据对应所述环境状态信息的标准势能值和所述目标势能值,获得正向激励数据或负向激励数据;根据所述即时激励数据,以及所述正向激励数据或所述负向激励数据,获得目标激励数据;根据所述环境状态信息、所述动作和所述目标激励数据,对所述智能体进行强化学习训练。

全文数据:

权利要求:

百度查询: 腾讯科技(深圳)有限公司 一种智能体的训练、基于智能体的动作控制方法及装置