買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉上海人工智能創(chuàng)新中心申請的專利一種價值驅(qū)動的跨域策略泛化方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116360257B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310246276.7，技術(shù)領(lǐng)域涉及：G05B13/04；該發(fā)明授權(quán)一種價值驅(qū)動的跨域策略泛化方法及系統(tǒng)是由李學(xué)龍;白辰甲;徐康;趙斌;王震設(shè)計研發(fā)完成，并于2023-03-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種價值驅(qū)動的跨域策略泛化方法及系統(tǒng)在說明書摘要公布了：本發(fā)明總的來說涉及強化學(xué)習(xí)技術(shù)領(lǐng)域，提出一種價值驅(qū)動的跨域策略泛化方法及系統(tǒng)。該方法包括：提供源域訓(xùn)練數(shù)據(jù)以及目標域訓(xùn)練數(shù)據(jù)；基于價值驅(qū)動篩選源域訓(xùn)練數(shù)據(jù)；以及將篩選出的源域訓(xùn)練數(shù)據(jù)以及目標域訓(xùn)練數(shù)據(jù)輸入智能體中進行訓(xùn)練。本發(fā)明在源域自身不需要改變的同時，算法不再專注數(shù)據(jù)的動力學(xué)一致性，而是從價值的跨域一致性對源域數(shù)據(jù)進行篩選，能夠有效提高強化學(xué)習(xí)中策略的泛化能力，進而可以有效節(jié)約運算資源。

本發(fā)明授權(quán)一種價值驅(qū)動的跨域策略泛化方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種價值驅(qū)動的跨域策略泛化方法，其特征在于，包括下列步驟： 提供源域訓(xùn)練數(shù)據(jù)以及目標域訓(xùn)練數(shù)據(jù)： 篩選源域訓(xùn)練數(shù)據(jù)，其中包括： 提供狀態(tài)動作數(shù)據(jù)對s，a，確定源域下一時刻狀態(tài)s′src，并且通過目標域動力學(xué)模型確定目標域下一時刻狀態(tài)集合 通過價值函數(shù)網(wǎng)絡(luò)對所述源域下一時刻狀態(tài)s′src以及所述目標域下一時刻狀態(tài)集合進行價值評估以生成源域狀態(tài)價值Qsrc以及目標域狀態(tài)價值集合以及 比較所述生成源域狀態(tài)價值Qsrc以及目標域狀態(tài)價值集合篩選出狀態(tài)價值差距小于閾值∈的源域訓(xùn)練數(shù)據(jù)；以及 將篩選出的源域訓(xùn)練數(shù)據(jù)以及目標域訓(xùn)練數(shù)據(jù)輸入智能體中進行訓(xùn)練。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人上海人工智能創(chuàng)新中心，其通訊地址為：200232 上海市徐匯區(qū)云錦路701號37、38層；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。