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！

龙图腾网获悉湖南大学申请的专利一种双足机器人步态网络训练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：CN120722767B 。

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：202511238850.X，技术领域涉及：G05B13/04；该发明授权一种双足机器人步态网络训练方法是由张百达;厉平安;陈睿设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本一种双足机器人步态网络训练方法在说明书摘要公布了：本发明公开了一种双足机器人步态网络训练方法，构建双通道深度强化学习架构；采集X个双足机器人在仿真环境的简单地形中的运行状态；根据当前运行状态得到当前奖励，并将各信息合并马尔可夫决策过程存入经验回放区；当经验回放区中的马尔可夫决策过程数目大于预设阈值n，从中随机取预设数量的马尔可夫决策过程，更新主网络和对手网络参数；对主网络参数实施扰动，并模拟人类记忆曲线对主网络超参数clip进行持续性调整；将稳定行走时长达到预设时长的双足机器人移至难度等级更高的地形，重复各网络参数更新过程；不断进行课程学习，直至所有双足机器人的累计奖励信息及稳定行走时长均达到预设值。

本发明授权一种双足机器人步态网络训练方法在权利要求书中公布了：1.一种双足机器人步态网络训练方法，其特征在于，包括以下步骤： S1.基于同策略深度强化学习PPO算法构建双通道深度强化学习架构作为双足机器人步态网络，包括网络结构相同初始参数不同的主网络与对手网络； 主网络与对手网络的网络结构均包括策略子网络与价值子网络，其中主网络的策略子网络与价值子网络分别记作第一策略网络与第一价值网络，对手网络的策略子网络与价值子网络分别记作第二策略网络与第二价值网络； 第一策略网络用于与并行仿真环境进行交互，接收降维和归一化后的运行状态，并根据当前运行状态输出电机控制动作的概率分布，并根据概率分布生成控制指令；第一价值网络用于估算运行状态的期望回报，参与优势函数的计算及PPO损失构建，从而实现主网络策略的优化； 第二策略网络在不与仿真环境直接交互的前提下，接收与第一策略网络相同的运行状态，第二策略网络独立生成动作概率分布；通过对第一策略网络与第二策略网络输出的概率分布进行比较，计算其之间的KL散度，并将KL散度作为损失项用于对第二策略网络的参数进行更新；第一策略网络和第一价值网络在优化过程中同时融合PPO算法损失与KL散度进行联合梯度更新； S2.采集X个双足机器人在仿真环境的简单地形中的运行状态，根据运行状态对主网络和对手网络进行训练；训练的具体内容包括： 构建马尔可夫决策过程，从中获取N个样本，将样本输入主网络和对手网络，计算主网络和对手网络之间的KL散度，基于输出动作值与目标动作值之间的均方误差以及KL散度构建主网络的复合损失函数；根据复合损失函数对主网络的参数进行更新；根据KL散度构建对手网络的损失函数来更新对手网络的参数；对主网络施加扰动，根据遗忘曲线更新主网络中的超参数clip值； S3.当预设性能指标满足时，将简单地形切换至复杂地形，对主网络和对手网络进行进一步训练，直至所有双足机器人的累计奖励信息及稳定行走时长均达到预设网络性能指标，得到训练完成的双足机器人步态网络。

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湖南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路1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。