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！

龙图腾网获悉兰州大学申请的专利基于元强化学习的机械臂控制方法和装置、设备及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：CN120941397B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511226596.1，技术领域涉及：B25J9/16；该发明授权基于元强化学习的机械臂控制方法和装置、设备及介质是由陆福相;李晓鹏;苏庚扬;魏秋露;黎嘉俊;赵东东;阎石设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本基于元强化学习的机械臂控制方法和装置、设备及介质在说明书摘要公布了：本申请实施例提供了一种基于元强化学习的机械臂控制方法和装置、设备及介质，属于机械臂控制技术领域。该方法包括：获取机械臂控制任务的历史交互数据；基于历史交互数据，对机械臂控制任务进行特征提取，得到任务特征；基于所述任务特征，通过预设策略网络确定目标机械臂动作；通过预设优势函数对所述目标机械臂动作计算优势值，得到目标动作优势；对目标动作优势进行归一化处理，得到目标动作权重；基于目标动作权重，对预设策略网络进行参数更新，得到目标策略网络；利用目标策略网络进行机械臂控制。本申请实施例能够提高机械臂控制方法的泛化能力。

本发明授权基于元强化学习的机械臂控制方法和装置、设备及介质在权利要求书中公布了：1.一种基于元强化学习的机械臂控制方法，其特征在于，所述方法包括： 获取机械臂控制任务的历史交互数据； 基于所述历史交互数据，对所述机械臂控制任务进行特征提取，得到任务特征； 基于所述任务特征，通过预设策略网络确定目标机械臂动作； 通过预设动作价值网络，计算所述目标机械臂动作的价值，得到目标动作价值； 通过预设状态价值网络，计算初始环境状态的价值，得到初始状态价值； 根据所述目标动作价值和所述初始状态价值，通过预设优势函数对所述目标机械臂动作计算优势值，得到目标动作优势； 根据所述目标机械臂动作和所述初始环境状态，进行环境状态更新，得到目标环境状态； 计算所述任务特征的平均值，得到任务特征均值； 基于所述任务特征均值，计算所述目标环境状态的价值，得到目标状态价值； 获取所述目标机械臂动作的奖励； 基于所述目标动作价值、所述奖励和所述目标状态价值，计算得到动作价值损失； 基于所述动作价值损失，对所述动作价值网络进行参数更新； 对所述目标动作优势进行归一化处理，得到目标动作权重； 根据所述目标动作权重，计算所述目标机械臂动作的概率分布的加权值，得到第一分布； 计算所述目标机械臂动作的动作价值，得到目标动作价值； 计算所述目标动作价值的概率分布，得到第二分布； 计算所述第一分布和所述第二分布的差异，得到策略损失； 基于所述策略损失，对所述预设策略网络进行参数更新，得到目标策略网络； 利用所述目标策略网络进行机械臂控制。

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兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222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。