买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国科学院自动化研究所申请的专利视觉变化环境的强化学习泛化方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117973554B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311865731.8，技术领域涉及：G06N20/00；该发明授权视觉变化环境的强化学习泛化方法及装置是由张启超;孙敬博;赵冬斌设计研发完成，并于2023-12-29向国家知识产权局提交的专利申请。

本视觉变化环境的强化学习泛化方法及装置在说明书摘要公布了：本发明提供一种视觉变化环境的强化学习泛化方法及装置，包括：将当前时刻智能体的原始状态、当前时刻智能体的动作、当前时刻智能体的环境奖励以及下一时刻智能体的原始状态关联存放于回放池中；使用增强函数对原始状态进行增强，得到原始状态对应的增强状态；对原始状态以及增强状态分别加入显著性引导信息，结合回放池中的数据以及增强状态获取智能体的价值一致性损失，基于价值一致性损失更新智能体的价值网络及表征网络；获取原始状态以及增强状态对应的智能体的策略一致性损失，基于策略一致性损失更新智能体的策略网络；通过动力学模型获取原始状态以及增强状态对应的智能体的动力学损失，基于动力学损失更新智能体的表征网络与动力学模型。

本发明授权视觉变化环境的强化学习泛化方法及装置在权利要求书中公布了：1.一种视觉变化环境的强化学习泛化方法，应用于基于视觉输入进行决策控制的智能体，其中，智能体的状态为视觉输入的图像数据，所述图像数据描述智能体所关注的任务，智能体的动作为控制目标的控制变量，其特征在于，包括：将当前时刻智能体的原始状态、当前时刻智能体的动作、当前时刻智能体的环境奖励以及下一时刻智能体的原始状态关联存放于回放池中；其中，在智能体行走控制任务中，动作为行走的关节控制变量，所述环境奖励包括健康奖励和前向行走奖励；或者，在智能体倒立摆控制任务中，动作为倒立摆的关节控制变量，所述环境奖励为处于倒立状态的时间步数；或者，在智能体在长方体环境中转动控制任务中，动作为手指的关节控制变量，所述环境奖励为手指与目标点的距离；使用增强函数对所述回放池中的原始状态进行增强，得到所述回放池中的原始状态对应的增强状态；对所述回放池中的原始状态以及所述增强状态分别加入显著性引导信息，并结合所述回放池中的数据以及所述增强状态获取智能体的价值一致性损失，基于所述价值一致性损失更新智能体的价值网络及表征网络；所述显著性引导信息为与智能体所关注的任务相关的信息；获取所述回放池中的原始状态以及所述增强状态对应的智能体的策略一致性损失，基于所述策略一致性损失更新智能体的策略网络；所述策略一致性损失是基于原始状态下的策略分布与增强状态下的策略分布之间的KL散度得到的；通过动力学模型获取所述回放池中的原始状态以及所述增强状态对应的智能体的动力学损失，基于所述动力学损失更新智能体的表征网络与动力学模型；所述通过动力学模型获取所述回放池中的原始状态以及所述增强状态对应的智能体的动力学损失，包括：通过动力学模型，获取所述回放池中的原始状态对应的第一动力学损失；通过动力学模型，获取所述增强状态对应的第二动力学损失；根据所述第一动力学损失以及所述第二动力学损失，得到智能体的动力学损失；其中，所述动力学模型包括状态转移预测网络、奖励预测网络以及智能体的表征网络，所述状态转移预测网络用于根据当前状态与动作预测下一状态，所述奖励预测网络用于根据当前状态与动作预测奖励。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院自动化研究所，其通讯地址为：100190 北京市海淀区中关村东路95号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。