[发明专利]一种动作预测方法及装置

摘要

本申请提供了一种动作预测方法及装置，其中，该方法包括：获取智能体与所在环境中的环境对象进行交互过程中的轨迹序列；对多个所述轨迹数据集合进行动作奖励值重分配，使得每个轨迹数据集合对应的动作奖励值非零；从进行动作奖励值重分配后的所述轨迹序列中选取目标轨迹序列作为待训练的目标样本；基于多个所述目标样本，训练得到状态转移模型；所述状态转移模型用于为智能体预测待执行的动作。本申请实施例由于训练模型所用的数据量大大减少，可以在降低状态转移建模难度的同时加快训练过程的收敛速度。并且由于本方法无需人工干预和额外辅助数据，具有较强的泛化性。