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！

龙图腾网获悉北京人形机器人创新中心有限公司申请的专利机器人的策略模型训练方法、设备及存储介质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：CN120297357B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510394937.X，技术领域涉及：G06N3/092；该发明授权机器人的策略模型训练方法、设备及存储介质是由赵一诺;伍堃;徐志远;车正平;黄刚;郭嘉;唐剑设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本机器人的策略模型训练方法、设备及存储介质在说明书摘要公布了：本申请提供了一种机器人的策略模型训练方法、设备及存储介质，其中，该方法包括：在离线学习阶段，首先采集专家示范数据，让机器人基于专家示范数据进行模仿学习，得到初始策略模型以及离线数据池。进入在线学习阶段，机器人就可以在专家策略的基础上进行强化学习，根据人工介入信息确定当前时间步的训练数据，将训练数据加入在线数据池中，并根据离线数据池与在线数据池进行模型参数更新，在所有任务结束后，将得到的初始策略模型作为目标策略模型。本申请在机器人在线强化学习的过程中，还将模型自主探索和人工介入相结合，进一步提升机器人策略网络的鲁棒性，并实现了机器人策略从示范到自主的高效转变。

本发明授权机器人的策略模型训练方法、设备及存储介质在权利要求书中公布了：1.一种机器人的策略模型训练方法，其特征在于，包括： 基于示范数据进行模仿学习，得到机器人的初始策略模型以及离线数据池； 在执行当前任务的当前时间步的过程中，根据人工介入信息确定当前时间步的训练数据，将所述训练数据加入在线数据池中，并根据所述离线数据池和所述在线数据池对所述初始策略模型进行参数更新，以对所述机器人的初始策略模型进行在线强化学习，其中，所述人工介入信息包括：当前动作以及人工介入次数，所述人工介入次数用于指示机器人被人工接管的次数，所述当前动作为人工指示的介入动作或所述初始策略模型生成的目标动作； 将所有任务结束后所得到的初始策略模型作为所述机器人的待使用的目标策略模型； 其中，所述根据人工介入信息确定当前时间步的训练数据，包括： 在所述机器人执行所述当前动作之后，获取所述机器人的当前状态； 根据所述人工介入次数、所述当前状态以及所述当前动作，确定当前奖励值；将所述当前动作、所述当前状态以及所述当前奖励值作为所述当前时间步的训练数据。

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人形机器人创新中心有限公司，其通讯地址为：101100 北京市通州区北京经济技术开发区(通州)经海五路3号院13号楼6层610；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”。

以上内容由龙图腾AI智能生成。