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！

龙图腾网获悉北京电子工程总体研究所;北京理工大学申请的专利一种非最优演示下基于决策置信度的模仿学习方法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：CN115861711B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211674540.9，技术领域涉及：G06V10/764；该发明授权一种非最优演示下基于决策置信度的模仿学习方法是由衡勇;周帆;郭峰;李启;汤润泽;礼欣设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种非最优演示下基于决策置信度的模仿学习方法在说明书摘要公布了：本发明涉及一种非最优演示下基于决策置信度的模仿学习方法，属于自动驾驶强化学习技术领域。包括：从有标注示例数据集Dc和未标注示例数据集Du中分别进行采样，进行分类器g估计；利用所述Dc的置信度得分构成正则项，修正分类器g的损失函数Lg，对分类器g进行梯度下降优化；利用优化后的分类器g计算所述Du中状态动作对对应的置信度得分，并将标注置信度得分后的数据合并得到合并后的D′c；将D′c中的状态动作对的置信度得分转化为鉴别器与策略网络的权重φ，结合基于生成对抗的模仿学习方法，学习智能体专家策略。本发明能够学习得到一个为状态动作对赋置信分的分类器，为非最优专家演示得到的数据集赋予合适的权重进行模仿学习，并得到用于智能体自动驾驶任务的策略网络。

本发明授权一种非最优演示下基于决策置信度的模仿学习方法在权利要求书中公布了：1.一种非最优演示下基于决策置信度的模仿学习方法，其特征在于，包括： 从有标注示例数据集和未标注示例数据集中分别进行采样，进行分类器估计，所述中每个状态动作对标有置信度得分，所述置信度得分为所述状态动作对与最优专家演示的近似程度； 利用所述的置信度得分构成正则项，通过对比所述分类器预测得分和所述置信度得分的误差来规范分类器预测的准确性，修正所述分类器的损失函数，通过神经网络对所述分类器进行参数化，并根据修正后的所述分类器的损失函数对所述分类器进行梯度下降优化为，其中，为最优策略的状态动作对在所有状态动作对中所占的比例； 利用所述优化后的分类器计算所述中状态动作对对应的置信度得分，并将标注置信度得分后的数据合并入所述，形成合并后的标注数据集； 将所述中的状态动作对的置信度得分转化为鉴别器与策略网络的权重，结合基于生成对抗的模仿学习方法，生成所述鉴别器和所述策略网络的目标公式，学习智能体专家策略。

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北京电子工程总体研究所;北京理工大学，其通讯地址为：100854 北京市海淀区永定路50号85-1号楼；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”。