本发明实施例公开一种基于强化学习的目标追踪的训练方法、追踪方法。本发明实施例的基于强化学习的目标追踪训练方法,在传统ppo算法的策略网络损失函数上增加正则项对状态价值函数估计器网络和策略网络进行训练,强化学习的训练过程分为两个阶段,在第一阶段训练强化学习前期的策略,在第二阶段只采集设置好的阈值距离之内的数据进行训练,使近距离下的控制更加精确。本发明利用强化学习的方法不需要显式的预测未来时刻目标的加速度,只要知道了高速目标历史时刻的加速度状态,利用仿真环境中大量数据的训练以及正确的训练方法,可训练出一个合理的追击策略。解决了目标追踪的模型给出的加速度波动过大以及最终的训练精度不够的问题。
声明:
“基于强化学习的目标追踪的训练方法、追踪方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)