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！

龙图腾网获悉电子科技大学申请的专利一种基于事件特征的强化学习解耦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：CN119292049B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411200599.3，技术领域涉及：G05B13/04；该发明授权一种基于事件特征的强化学习解耦训练方法是由解修蕊;董强;胡翔宇;孙旭;吴祎哲;邢薪达设计研发完成，并于2024-08-29向国家知识产权局提交的专利申请。

本一种基于事件特征的强化学习解耦训练方法在说明书摘要公布了：本发明提供了一种基于事件特征的强化学习解耦训练方法，该方法构建低维特征提取网络模型和高维特征提取网络模型，对事件相机接收到的事件信息进行高维和低维特征的提取，并对提取的特征进行拼接融合，融合后的特征作为强化学习智能体与环境交互的状态信息，随后将状态信息输入策略网络中得到无人机的动作，并根据自定义的奖励函数给予奖励反馈，以完成策略网络的更新，并将强化学习训练过程解耦为两个阶段，极大地优化了强化学习的训练效率与泛化能力，实现了无人机在高速动态环境中有效的进行状态信息获取与障碍躲避。

本发明授权一种基于事件特征的强化学习解耦训练方法在权利要求书中公布了：1.一种基于事件特征的强化学习解耦训练方法，其特征在于，所述方法包括： 步骤S1：提取离线事件流，构建训练集，训练数据包括离线事件信息和真值图像，其中离线事件信息包括坐标信息、极性和时间戳； 步骤S2：基于事件的变分自动编码器，并归一化事件序列的时间戳，构建低维特征提取网络模型； 步骤S3：基于图像像素在时间阈值上的对数强度差获得事件帧，构建高维特征提取网络模型； 步骤S4：初始化预训练模型，即低维特征提取网络模型，利用离线事件流信息对低维特征提取网络模型进行预训练，该模型由事件图像重建损失和KL散度损失组成； 步骤S5：初始化强化学习网络和高维特征提取网络模型，配置训练超参数，对这两个网络模型进行训练； 步骤S6：将事件信息输入低维特征提取网络模型和高维特征提取网络模型，然后将得到的低维和高维信息进行特征拼接融合，融合后作为强化学习智能体与环境交互的状态信息； 步骤S7：无人机动作空间构建，具体表示如下： θ＝radiansa 其中，z表示特征融合后最终输出的值，π为强化学习算法的策略网络，λ是超参数权重，动作空间先映射到[-1，1]区间，θ是无人机飞行弧度，由动作a弧度化得到； 步骤S8：构建策略网络，并设置相应的奖励函数，策略网络用于通过强化学习得到运动策略； 步骤S9：搭建虚拟仿真环境，构建训练、测试场景，利用虚拟仿真环境进行强化学习训练，配置包括模型训练的总步数、学习率、批次大小、训练轮数以及飞行步长参数，训练过程中，输入的事件流信息将直接输入低维特征提取网络得到潜在向量Zs，将事件流信息聚合成事件帧后，输入高维特征提取网络得到潜在向量Zf，将Zs和Zf进行拼接融合后作为状态信息S，然后利用状态信息根据策略网络从动作空间中得到运动策略。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。