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！

龙图腾网获悉东北大学申请的专利一种时空交互动态三维重建的强化学习训练方法及系统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：CN121562717B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610078533.4，技术领域涉及：G06N3/092；该发明授权一种时空交互动态三维重建的强化学习训练方法及系统是由佟国峰;陈昊;孟祥政;孙佳茹设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本一种时空交互动态三维重建的强化学习训练方法及系统在说明书摘要公布了：本申请提出一种时空交互动态三维重建的强化学习训练方法及系统，属于三维重建技术领域，方法包括：根据动态环境的视频序列，构建时空交互动态三维重建模型，为每个三维点赋予随时间动态变化的属性参数，采用随时间动态变化的属性参数构建动态三维场景表示；将时空一致性优化后的时空交互动态三维重建模型封装并部署为动态环境模拟器；根据智能体的观测表示，将行为策略转化为可执行的动作，根据可执行的动作使得智能体在真实环境中实施；基于更新后的环境通过时空一致性优化后的时空交互动态三维重建模型，生成新的时空交互动态三维重建模型。本申请方法解决了传统强化学习在真实环境中训练成本高、风险大、样本效率低的问题。

本发明授权一种时空交互动态三维重建的强化学习训练方法及系统在权利要求书中公布了：1.一种时空交互动态三维重建的强化学习训练方法，其特征在于，包括： 步骤S1：采集在时间上对齐的动态环境的视频序列，所述动态环境的视频序列包括智能体的动作； 步骤S2：根据动态环境的视频序列，构建时空交互动态三维重建模型，所述时空交互动态三维重建模型为每个三维点赋予随时间动态变化的属性参数，采用随时间动态变化的属性参数构建动态三维场景表示，当前时刻的动态三维场景表示以及智能体的动作作为状态转移函数的输入，得到下一时刻的动态三维场景表示，所述状态转移函数为神经元网络，其中神经元网络中的神经元个数根据最小化预测结果与真实观测结果之间的差异进行优化； 步骤S3：对时空交互动态三维重建模型进行时空一致性优化； 步骤S4：将时空一致性优化后的时空交互动态三维重建模型封装并部署为一个动态环境模拟器； 步骤S5：在动态环境模拟器中将紧致性的场景特征作为当前时刻的智能体的观测表示； 步骤S6：根据智能体的观测表示，采用强化学习策略网络架构，得到智能体在动态环境中执行的行为策略； 步骤S7：将行为策略转化为可执行的动作，根据可执行的动作使得智能体在真实环境中实施； 步骤S8：智能体在真实环境中实施后，引发环境状态变化，返回步骤S5，动态环境模拟器接收到智能体在真实环境中的动作后，基于更新后的环境通过时空一致性优化后的时空交互动态三维重建模型，生成新的时空交互动态三维重建模型，并得到下一时刻的智能体的观测表示； 所述紧致性的场景特征，获取过程包括：从动态环境模拟器中输出动态演化的三维场景表示，从动态演化的三维场景表示提取出具有明确几何与语义内涵的层次化特征； 采用PCA方法与编码器、解码器相结合，对层次化特征进行降维，将编码器输出的均值作为紧致性的场景特征； 所述采用PCA方法与编码器、解码器相结合，对层次化特征进行降维，将编码器输出的均值作为紧致性的场景特征，包括： 将层次化特征投影到一个任务相关的低维子空间，计算层次化特征的协方差矩阵； 对协方差矩阵进行特征值分解，得到特征值及对应的特征向量； 根据特征值，计算方差贡献率； 选择最小的主元成分使得累计方差贡献率大于等于方差阈值； 根据特征向量以及最小的主元成分，构建投影矩阵，并得到降维后的特征； 采用编码器将降维后的特征映射到潜在空间的后验分布参数中； 通过重参数化方法从后验分布参数中采样，得到潜在向量； 采用解码器，根据潜在向量，重构输入编码器中的降维后的特征； 将编码器输出的均值作为紧致性的场景特征。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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。