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！

龙图腾网获悉腾讯科技(深圳)有限公司;清华大学深圳国际研究生院申请的专利决策模型训练方法、目标对象的策略控制方法及装置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：CN115238891B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202210908501.4，技术领域涉及：G06N3/09；该发明授权决策模型训练方法、目标对象的策略控制方法及装置是由李舒兴;徐家卫;袁春;韩磊设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本决策模型训练方法、目标对象的策略控制方法及装置在说明书摘要公布了：本申请提供一种决策模型训练方法、目标对象的策略控制方法及装置，该方法包括：获取目标对象在目标环境中当前状态的训练数据，当前状态的训练数据包括N个时刻的训练信息，N个时刻中任一t时刻的训练信息包括t时刻的状态信息、t时刻的控制策略和t时刻的控制策略的预测奖励，t时刻的控制策略和t时刻的控制策略的预测奖励为t时刻的状态信息输入至决策模型的输出，根据当前状态的训练数据构建目标损失函数，根据目标损失函数，调整决策模型的参数，将目标对象的第N+1时刻的状态信息输入调整参数后的决策模型，根据目标对象下一状态的训练数据继续对决策模型进行训练，直到满足停止训练条件，得到已训练的决策模型。

本发明授权决策模型训练方法、目标对象的策略控制方法及装置在权利要求书中公布了：1.一种决策模型训练方法，其特征在于，包括： 获取目标对象在目标环境中当前状态的训练数据，所述当前状态的训练数据包括N个时刻的训练信息，所述N个时刻中任一t时刻的训练信息包括t时刻的状态信息、t时刻的控制策略和所述t时刻的控制策略的预测奖励，所述t时刻的状态信息包括所述目标环境反馈的t时刻的实时奖励、t时刻的观测信息和t时刻所述目标对象到达的区域标识，所述t时刻的控制策略和所述t时刻的控制策略的预测奖励为t时刻的状态信息输入至决策模型的输出，所述t时刻的控制策略包括移动动作策略、目标任务动作策略和t时刻的目标到达区域标识，其中，所述t时刻的目标到达区域标识与t+1时刻所述目标对象到达的区域标识相同，所述t、N均为正整数，所述目标环境反馈的t时刻的实时奖励为所述目标对象与未知对手进行了目标任务后获得的奖励，所述t时刻的目标到达区域标识指示的区域为所述t时刻的下一时刻目标对象应该到达的目标区域，所述目标区域用于控制目标对象下一时刻进行特定区域的移动和目标任务，所述t时刻的观测信息为第一人称观测信息，所述第一人称观测信息是所述目标对象所能观测到的目标环境信息； 根据所述当前状态的训练数据构建目标损失函数； 根据所述目标损失函数，调整并更新所述决策模型的参数； 将所述目标对象的第N+1时刻的状态信息输入更新参数后的决策模型，根据所述目标对象下一状态的训练数据继续对所述决策模型进行训练，直到满足停止训练条件，得到已训练的决策模型。

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腾讯科技(深圳)有限公司;清华大学深圳国际研究生院，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层；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。