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！

龙图腾网获悉华为技术有限公司申请的专利用于支持策略学习的方法和系统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：CN115552430B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202080100507.8，技术领域涉及：G06N20/00；该发明授权用于支持策略学习的方法和系统是由丹尼尔·马克·格雷夫斯;金军;罗军设计研发完成，并于2020-12-31向国家知识产权局提交的专利申请。

本用于支持策略学习的方法和系统在说明书摘要公布了：本发明描述了用于机器人的智能体中的支持策略学习的方法和系统。所述方法包括：学习主要策略的广义值函数generalvaluefunction，GVF，其中，所述GVF表示所述智能体在环境的给定状态下执行所述主要策略的未来性能；总控策略根据从所述广义值函数中得到的预测累积成功值选择动作；当所述预测累积成功值是可接受值时，所述总控策略选择的所述动作是执行所述主要策略；当所述预测累积成功值不是可接受值时，所述总控策略选择的所述动作使得学习支持策略；所述支持策略生成要执行的支持动作，其中，所述支持动作使得所述机器人从所述预测累积成功值具有可接受值的新状态转移到新状态。

本发明授权用于支持策略学习的方法和系统在权利要求书中公布了：1.一种由机器人中的控制所述机器人与环境交互的智能体执行的方法，其特征在于，所述方法包括： 接收主要策略，其中，所述主要策略根据所述机器人的状态生成要由所述机器人执行的动作，所述智能体执行所述主要策略的性能由累积成功值度量； 使用策略评估算法学习所述主要策略的广义值函数，其中，所述广义值函数预测表示所述智能体在所述环境的给定状态下执行所述主要策略的未来性能的累积成功值，所述给定状态在整个状态空间中； 获取总控策略，其中，所述总控策略根据从所述广义值函数中得到的所述预测累积成功值选择动作； 当所述预测累积成功值是可接受值时，所述总控策略选择的所述动作使得执行所述主要策略，以使得所述机器人根据所述状态空间中的所述给定状态执行所述主要策略生成的主要动作； 当所述预测累积成功值不是可接受值时，所述总控策略选择的所述动作使得使用强化学习算法来学习支持策略，其中，所述支持策略根据所述给定状态生成要由所述机器人执行的支持动作，所述支持动作使得所述机器人从所述给定状态转移到所述预测累积成功值具有可接受值的新状态。

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华为技术有限公司，其通讯地址为：518129 广东省深圳市龙岗区坂田华为总部办公楼；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”。