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！

龙图腾网获悉北京三快在线科技有限公司;清华大学申请的专利强化学习的策略迁移方法、设备和存储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：CN117390946B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202210787082.3，技术领域涉及：G06F30/27；该发明授权强化学习的策略迁移方法、设备和存储介质是由李阔;贾庆山;张涛;白钰;任冬淳;夏华夏设计研发完成，并于2022-07-04向国家知识产权局提交的专利申请。

本强化学习的策略迁移方法、设备和存储介质在说明书摘要公布了：本申请提供了一种强化学习的策略迁移方法、设备和存储介质，属于机器学习技术领域。方法包括：基于自动驾驶场景的仿真场景，获取多个仿真时刻下的第一样本数据；基于多组第一样本数据，确定第一策略信息和第一预测模型；在任一次迭代过程中，基于本次迭代过程的第一策略信息，获取自动驾驶场景中目标时刻下的第二样本数据，基于第二样本数据更新本次迭代过程的第一预测模型，基于更新后的第一预测模型更新第一策略信息，基于更新后的第一预测模型和第一策略信息执行下一次迭代过程。通过这样的方法将仿真场景下的预测模型和策略信息迁移到自动驾驶场景中，就能够在自动驾驶场景中准确预测自动车要执行的动作，以执行该动作后能够达到更好的效果。

本发明授权强化学习的策略迁移方法、设备和存储介质在权利要求书中公布了：1.一种强化学习的策略迁移方法，其特征在于，所述方法包括： 基于自动驾驶场景的仿真场景，获取多个仿真时刻下的第一样本数据，所述第一样本数据包括在仿真时刻T下自动车的状态、所述自动车所执行的动作、基于所述动作所获得的奖励和在仿真时刻T+1下所述自动车的状态，其中，T为大于或等于0的整数； 基于多组第一样本数据，确定第一策略信息和第一预测模型，所述第一策略信息包括所述仿真场景中多种状态各自对应的动作，所述第一预测模型用于预测所述自动车执行动作所获取的奖励和下一时刻的状态； 基于所述第一策略信息、所述第一预测模型和所述自动驾驶场景，迭代执行如下步骤，以对所述第一预测模型和所述第一策略信息进行训练，得到目标预测模型和目标策略信息： 在任一次迭代过程中，基于本次迭代过程的所述第一策略信息，获取所述自动驾驶场景中目标时刻T’下的第二样本数据，在所述目标时刻T’下的第二样本数据与所述多组第一样本数据均不匹配的情况下，基于所述第二样本数据，更新所述本次迭代过程的所述第一预测模型，基于更新后的第一预测模型，更新所述第一策略信息，基于更新后的第一预测模型和更新后的第一策略信息执行下一次迭代过程，直到所述第一预测模型输出的样本数据和所述目标时刻T’下的样本数据相匹配； 所述第二样本数据包括在所述目标时刻T’下所述自动车的状态、所述自动车所执行的动作、基于所述动作所获得的奖励和所述自动车在目标时刻T’+1的状态，其中，T’为大于或等于0的整数，且所述T’为所述T之后的时刻。

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北京三快在线科技有限公司;清华大学，其通讯地址为：100080 北京市海淀区北四环西路9号2106-030；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。