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！

龙图腾网获悉之江实验室申请的专利策略模型的训练方法、装置、计算机设备及存储介质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：CN120278215B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510782184.X，技术领域涉及：G06N3/08；该发明授权策略模型的训练方法、装置、计算机设备及存储介质是由陈红阳;王岩松设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本策略模型的训练方法、装置、计算机设备及存储介质在说明书摘要公布了：本申请提供一种策略模型的训练方法、装置、计算机设备及存储介质。其中，该方法包括：获取第一环境状态，并将所述第一环境状态输入至待训练的策略模型，得到与所述第一环境状态对应的第一动作；利用预先训练的大语言模型对所述第一环境状态和所述第一动作进行处理，得到与所述第一动作对应的安全指示信号；所述安全指示信号用于指示在所述第一环境状态下执行所述第一动作是否安全；以及基于所述第一动作与环境进行交互，得到第二环境状态以及奖励；基于所述第一环境状态、第一动作、安全指示信号、第二环境状态、以及奖励构成交互数据，并基于所述交互数据训练所述待训练的策略模型，得到目标策略模型。

本发明授权策略模型的训练方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种策略模型的训练方法，其特征在于，所述方法包括： 获取第一环境状态，并将所述第一环境状态输入至待训练的策略模型，得到与所述第一环境状态对应的第一动作；所述第一环境状态包括：自动驾驶载具行驶的当前道路状态；所述第一动作包括下一步的驾驶动作； 利用预先训练的大语言模型对所述第一环境状态和所述第一动作进行处理，得到与所述第一动作对应的安全指示信号；所述安全指示信号用于指示在所述第一环境状态下执行所述第一动作是否安全；以及 基于所述第一动作与环境进行交互，得到第二环境状态以及奖励； 基于所述第一环境状态、第一动作、安全指示信号、第二环境状态、以及奖励构成交互数据，并基于所述交互数据训练所述待训练的策略模型，得到目标策略模型； 所述基于所述交互数据训练所述待训练的策略模型，包括： 将当前训练周期生成的交互数据作为目标交互数据，基于所述目标交互数据，对所述待训练的策略模型进行当前训练周期的训练；和或， 将当前训练周期确定的交互数据存储至经验回放池； 对所述经验回放池中存储的交互数据进行采样，得到当前训练周期对应的目标交互数据；基于所述目标交互数据，对所述待训练的策略模型进行当前训练周期的训练； 所述基于所述目标交互数据，对所述待训练的策略模型进行当前训练周期的训练，包括： 确定当前训练周期的待训练的策略模型、动作价值网络、以及目标网络； 基于所述目标交互数据，通过最小化贝尔曼残差更新当前训练周期的动作价值网络，通过最大化目标函数更新当前训练周期的策略模型，以及通过慢更新机制更新当前训练周期的目标网络； 所述方法还包括： 确定当前训练周期的安全熵权重参数；所述安全熵权重参数用于调整所述目标交互数据中的安全性信息在更新所述动作价值网络时的权重；所述当前训练周期的安全熵权重参数为预设参数，或者，基于前一训练周期确定的目标交互数据中的安全性信息确定； 通过最小化贝尔曼残差更新当前训练周期的动作价值网络，包括： 基于所述安全熵权重参数，通过最小化贝尔曼残差更新当前训练周期的动作价值网络。

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之江实验室，其通讯地址为：311121 浙江省杭州市余杭区中泰街道科创大道之江实验室；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”。