本发明属于机器人控制技术领域,公开了一种迁移强化学习控制方法、系统、存储介质、设备及应用,采用交互渐进网络学习,先对人的评估以反馈网络进行建模预训练,用于在训练策略时预测人的评估;对使用渐进式网络迁移后的策略进行训练时,同时使用人的实时评估和反馈网络的预测作为奖励函数。其允许人类训练者对状态动作提供评估,由状态动作对序列{(s
0,a
0),...,(s
n,a
n)}组成,从评估中训练人的反馈网络并且该网络被当作渐进式网络迁移后的策略训练中的奖励函数。本发明能够有效的对不同环境的策略进行迁移;在具有离散和连续动作的任务之间,即使当渐进网络学习从具有高维状态空间的任务迁移到那些具有低维状态空间的任务效果很小时,能更好、更快地进行迁移学习。
声明:
“迁移强化学习控制方法、系统、存储介质、设备及应用” 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)