买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种模型训练和控制无人设备的方法及装置_北京三快在线科技有限公司;清华大学_202110508067.6 

申请/专利权人:北京三快在线科技有限公司;清华大学

申请日:2021-05-11

公开(公告)日:2021-06-08

公开(公告)号:CN112925210A

主分类号:G05B13/04(20060101)

分类号:G05B13/04(20060101);G06F30/20(20200101);G06N20/20(20190101)

优先权:

专利状态码:有效-授权

法律状态:2021.09.07#授权;2021.06.25#实质审查的生效;2021.06.08#公开

摘要:本说明书公开了一种模型训练和控制无人设备的方法及装置,本说明书实施例在强化学习网络之外独立设置安全性验证的模块,当强化学习网络输出的控制策略不能通过安全性验证时,采用非强化学习算法模块出的控制策略作为待优化控制策略,并以待优化控制策略所能获得的奖励最大化为目标,对强化学习网络进行训练。这样,在对包含上述强化学习网络和非强化学习算法模块的强化学习模型在训练时,既不需要高精度的虚拟仿真系统,也极大的降低了实车试验的成本,训练后的强化学习模型也能适用于多种复杂场景。

主权项:1.一种模型训练的方法,其特征在于,包括:将环境信息分别输入强化学习模型中的强化学习网络和非强化学习算法模块,得到所述强化学习网络输出的第一控制策略和所述非强化学习算法模块输出的第二控制策略;确定所述第一控制策略的安全性表征值;根据所述安全性表征值,在所述第一控制策略和第二控制策略中选择待优化控制策略;根据所述待优化控制策略,确定变化后的环境信息;根据变化后的环境信息确定所述待优化控制策略的奖励;以所述奖励最大化为训练目标,调整所述强化学习模型中的强化学习网络的参数,其中,训练后的强化学习模型用于输出控制无人设备的控制策略。

全文数据:

权利要求:

百度查询: 北京三快在线科技有限公司;清华大学 一种模型训练和控制无人设备的方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。