申请/专利权人:中国矿业大学
申请日:2024-01-25
公开(公告)日:2024-04-26
公开(公告)号:CN117933349A
主分类号:G06N3/092
分类号:G06N3/092
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于安全互模拟度量的视觉强化学习方法,首先,建立序列条件变分推断模型、安全互模拟度量模型与安全强化学习模型,并初始化模型参数;对于每个环境步,收集经验样本,构建拉格朗日损失函数,并更新拉格朗日乘子;对于每个梯度步,从经验回放池中采样数据序列,构建序列条件变分推断模型损失函数与安全互模拟度量模型损失函数并更新模型参数,构建安全强化学习模型并更新模型参数;最后,重复上述步骤直到获得最优模型参数。本发明能够学习到紧凑且富含信息的视觉状态表征,同时满足预设的安全约束要求。
主权项:1.一种基于安全互模拟度量的视觉强化学习方法,其特征在于,具体包括如下步骤:步骤1,构建序列条件变分推断模型、安全互模拟度量模型和安全强化学习模型,并初始化模型参数;所述序列条件变分推断模型用于将高维视觉观测压缩为低维潜在状态表征,所述安全互模拟度量模型用于量化状态之间的行为相似性,使得任意两个所述低维潜在状态表征之间的距离尽可能接近其对应状态之间的安全互模拟度量;步骤2,对于每个环境步,收集经验样本,构建拉格朗日损失函数并更新拉格朗日乘子;步骤3,对于每个梯度步,从经验回放池中采样数据序列,构建序列条件变分推断模型损失函数与安全互模拟度量模型损失函数并更新模型参数,更新安全强化学习模型的模型参数;步骤4,重复步骤2-3,直到获得最优模型参数。
全文数据:
权利要求:
百度查询: 中国矿业大学 一种基于安全互模拟度量的视觉强化学习方法
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。