增強(qiáng)交通模擬器真實(shí)性的逆強(qiáng)化學(xué)習(xí)方法及系統(tǒng)
基本信息
| 申請(qǐng)?zhí)?/td> | CN202110625802.1 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN113221469A | 公開（公告）日 | 2021-08-06 |
| 申請(qǐng)公布號(hào) | CN113221469A | 申請(qǐng)公布日 | 2021-08-06 |
| 分類號(hào) | G06F30/27;G06N20/00 | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 薛貴榮 | 申請(qǐng)（專利權(quán)）人 | 上海天壤智能科技有限公司 |
| 代理機(jī)構(gòu) | 上海段和段律師事務(wù)所 | 代理人 | 黃磊;郭國中 |
| 地址 | 201100 上海市閔行區(qū)劍川路951號(hào)5幢1層（集中登記地） | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明提供了一種增強(qiáng)交通模擬器真實(shí)性的逆強(qiáng)化學(xué)習(xí)方法及系統(tǒng)，包括：通過生成器初始化一個(gè)軌跡動(dòng)作策略；結(jié)合當(dāng)前環(huán)境，生成多個(gè)智能體的軌跡數(shù)據(jù)；將軌跡數(shù)據(jù)與預(yù)設(shè)的專家軌跡數(shù)據(jù)混合，將混合軌跡數(shù)據(jù)輸入判別器，訓(xùn)練判別器區(qū)分專家軌跡數(shù)據(jù)，訓(xùn)練的目標(biāo)是最大化獎(jiǎng)勵(lì)函數(shù)；將獎(jiǎng)勵(lì)函數(shù)輸入生成器，生成器得到新的軌跡動(dòng)作策略；用新的軌跡動(dòng)作策略生成多個(gè)智能體的軌跡數(shù)據(jù)，并與預(yù)設(shè)的專家軌跡數(shù)據(jù)混合及訓(xùn)練判別器，直至收斂；交通模擬器根據(jù)最終的獎(jiǎng)勵(lì)函數(shù)和軌跡動(dòng)作策略進(jìn)行交通模擬。本發(fā)明能夠推斷真實(shí)世界車輛的獎(jiǎng)勵(lì)函數(shù)，它使我們能夠在不同的交通環(huán)境下優(yōu)化策略，具有良好的可擴(kuò)展能力。 |
