[发明专利]用于增强学习的策略生成网络的训练方法、装置和电子设备在审
| 申请号： | 202010867107.1 | 申请日： | 2020-08-26 |
| 公开（公告）号： | CN112016678A | 公开（公告）日： | 2020-12-01 |
| 发明（设计）人： | 赵瑞;徐伟 | 申请（专利权）人： | 南京地平线机器人技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N20/00;B25J9/16 |
| 代理公司： | 北京唐颂永信知识产权代理有限公司 11755 | 代理人： | 刘伟 |
| 地址： | 210046 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 公开了一种用于增强学习的策略生成网络的训练方法，训练装置和电子设备。该用于增强学习的策略生成网络的训练方法包括：获取执行任务的对象的连续对象状态信息和所述对象所作用的环境的连续环境状态信息；确定所述连续对象状态信息和所述连续环境状态信息的联合概率分布，以及所述连续对象状态信息和所述连续环境状态信息各自的第一边缘分布和第二边缘分布；确定所述联合概率分布与所述第一边缘分布和所述第二边缘分布之积的KL散度值；以及，以所述KL散度值作为奖励函数而通过预定策略更新所述策略生成网络的参数。这样，提高了策略生成网络生成策略的性能。 | ||
| 搜索关键词： | 用于 增强 学习 策略 生成 网络 训练 方法 装置 电子设备 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京地平线机器人技术有限公司，未经南京地平线机器人技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010867107.1/，转载请声明来源钻瓜专利网。
