[发明专利]一种基于自适应模型的机器人强化学习方法有效
| 申请号： | 202011191173.8 | 申请日： | 2020-10-30 |
| 公开（公告）号： | CN112297012B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 张伟楠;沈键;赵晗 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | B25J9/16 | 分类号： | B25J9/16;G06K9/62;G06N3/04 |
| 代理公司： | 上海旭诚知识产权代理有限公司 31220 | 代理人： | 郑立 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于自适应模型的机器人强化学习方法，在正常学习一个环境模型的同时，加入模型自适应的步骤，从而可以达到提升虚拟数据准确性的效果。具体来说，当模型是一个神经网络结构，模型自适应通过减小真实数据和虚拟数据在网络隐藏层的特征分布，从而来提升模型在虚拟数据上的准确性。实验证明，在机器人控制等领域，我们的方法相比于之前的基于模型的强化学习方法有着更高的采样效率以及最终性能。 | ||
| 搜索关键词： | 一种 基于 自适应 模型 机器人 强化 学习方法 | ||
【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上海交通大学，未经上海交通大学许可，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/202011191173.8/，转载请声明来源钻瓜专利网。
