一种社交场景中人类注意力机制模仿学习方法

专利申请号：CN202310033512.7

公 开 号：CN115994576A

发 明 人：何斌 缪奇航 陆萍 周艳敏 蒋烁 朱忠攀 李鑫 

代 理 人：上海邦德专利代理事务所(普通合伙)梁剑

代理机构：上海邦德专利代理事务所(普通合伙)

专利类型：发明专利

申 请 日：20230421

公 开 日：20230110

专利主分类号：G06N3/092

关 键 词：环境状态信息 服务型 注意力机制 动作序列 教师数据 目标策略 强化学习 模仿 判别器 机器人 样本 学习 任务执行成功 机器人领域 对抗训练 目标模型 特征生成 网络模块 对抗 高效性 鲁棒性 浅层 场景 输出 引入 奖励 网络 

摘      要：本发明公开了一种社交场景中人类注意力机制模仿学习方法，属于服务型机器人领域，具体包括：1)获取环境状态信息，再对服务型机器人进行预训练得到目标策略，将深度强化学习任务执行成功的示例作为原始教师数据；2)将环境状态信息输入到行动者网络模块中，生成动作序列，再将教师数据、动作序列和环境状态信息输入至判别器；3)将判别器的输出值作为奖励值指导模仿策略的学习；4)修改服务型机器人的目标策略函数；5)引入人类注意力机制模块，提取模仿学习网络中的浅层特征生成对抗样本；6)利用对抗样本对目标模型进行对抗训练，本发明相较于原始的深度强化学习，模拟学习的方法具有更高的鲁棒性、准确性及高效性。