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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于模型辅助强化学习的空间机器人目标捕获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：CN120068646B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510220146.5，技术领域涉及：G06F30/27；该发明授权一种基于模型辅助强化学习的空间机器人目标捕获方法是由吴立刚;尹泽宇;邵翔宇;赵彤宇;周栋;姚蔚然;孙光辉设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种基于模型辅助强化学习的空间机器人目标捕获方法在说明书摘要公布了：本发明提出了一种基于模型辅助强化学习的空间机器人目标捕获方法，包括：步骤1：推导出空间自由飞行机器人系统的动力学约束并搭建环境模型；步骤2：设置合适的参数和目标函数进行无模型强化学习训练；步骤3：设计深度拉格朗日神经网络框架并训练出系统动力学模型，并得出状态转移模型；步骤4：以步骤2的参数为参照，加入步骤3得到的状态转移模型进行模型生成虚拟经验来辅助完成强化学习训练过程。本发明可提升强化学习的样本效率，收敛速度和训练出抓取移动目标的控制器模型的快速性和准确性；整体逻辑与原理清晰简单，适用于不同的系统和各种工况，具有较强的泛化性；用深度拉格朗日神经网络使得状态转移模型具有可靠性。

本发明授权一种基于模型辅助强化学习的空间机器人目标捕获方法在权利要求书中公布了：1.一种基于模型辅助强化学习的空间机器人目标捕获方法，所述方法具体包括以下步骤： 步骤1：推导出空间自由飞行机器人系统的动力学约束并搭建环境模型； 步骤2：设置合适的参数和目标函数进行无模型强化学习训练； 步骤3：设计深度拉格朗日神经网络框架并训练出系统动力学模型，并得出状态转移模型； 步骤4：以步骤2的参数为参照，加入步骤3得到的状态转移模型进行模型生成虚拟经验来辅助完成强化学习训练过程； 步骤2的具体步骤为： 步骤2.1：确定机器人系统的控制策略函数以及强化学习神经网络，设置好强化学习的训练参数进行无模型离线强化学习训练，利用中记录的经验数据根据目标函数Jπ来更新策略函数； 步骤2.2：记录训练中每个回合获得的回报并选取一个回报阈值rm，经过m回合的训练后回报达到rm，然后用第m回合训练出的控制器模型驱动机器人系统抓取移动目标，收集ep＝m的经验信息并做成数据集： 其中，下标带有t的变量表示t时间步时刻下该变量的赋值，qt，和τt可从经验池中的状态变量st或动作变量at中直接获取，定义为： 步骤3的具体步骤为： 步骤3.1：根据拉格朗日方程设置损失函数l并设置好训练参数，包括网络层数l和最大训练回合数epoch等，使用S的子集训练深度拉格朗日神经网络得到系统动力学模型 步骤3.2：根据动力学模型得到状态转移模型进而得到一条虚拟经验。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。