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！

龙图腾网获悉复旦大学;珠海复旦创新研究院申请的专利高效构造超视距全局感知的自主学习方法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：CN115496974B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202211306802.6，技术领域涉及：G06V10/778；该发明授权高效构造超视距全局感知的自主学习方法是由洪智铭;刘璟;杨晨浩;王子乐;韩宇轩;胡波设计研发完成，并于2022-10-24向国家知识产权局提交的专利申请。

本高效构造超视距全局感知的自主学习方法在说明书摘要公布了：本发明提供了一种高效构造超视距全局感知的自主学习方法。构建一个虚拟平台并在虚拟平台中基于现实小车构建相应的虚拟小车模型，步骤S1实时获取小车的第一视角观测数据，获取车道的各视角观测数据，获取虚拟小车的第一视角观测数据；步骤S2，对多组观测数据进行合并更新获得模拟训练数据；步骤S3，通过模拟训练数据获得不同变化事件中的优选策略序列；步骤S4，在路面环境下，将第一观测数据中的变化事件与策略数据集进行特征匹配，得到最接近的变化事件；以及步骤S5，结合观测数据基于置信水平获得现实小车的最优策略并执行。本方法能够很好的解决灾难性遗忘和陷入局部最优策略的问题，具有极大的应用前景。

本发明授权高效构造超视距全局感知的自主学习方法在权利要求书中公布了：1.一种高效构造超视距全局感知的自主学习方法，其特征在于，构建一个虚拟平台并在虚拟平台中基于现实小车构建相应的虚拟小车模型，包括以下步骤： 步骤S1，通过所述现实小车和车道各处的多个传感器，实时获取所述小车的第一视角观测数据作为第一观测数据，获取所述车道的各视角观测数据作为第二观测数据，获取虚拟小车的第一视角观测数据作为第三观测数据； 步骤S2，对多组所述第一观测数据、所述第二观测数据和所述第三观测数据进行合并并实时更新，获得模拟训练数据； 步骤S3，通过所述模拟训练数据获得不同变化事件中所述虚拟小车不同位置的高置信度策略的集合作为变化时间的优选策略序列； 步骤S4，在路面环境下，将所述第一观测数据中的变化事件与策略数据集进行特征匹配，得到最接近的所述变化事件；以及步骤S5，结合所述第一观测数据和所述第三观测数据，基于所述变化事件的优选策略序列的置信水平，选择所述置信水平高的策略作为所述现实小车的最优策略并执行，其中，所述步骤S3包括以下子步骤： 步骤S3‑1，对所述模拟训练数据进行分析获得其中的变化事件； 步骤S3‑2，设置所述虚拟小车处于所述变化事件的不同位置，获得基于所述虚拟小车第一视角的观测数据作为虚拟观测数据； 步骤S3‑3，根据同一变化事件的所述虚拟观测数据基于所述虚拟小车获得对应所述变化事件的不同策略； 步骤S3‑4，将所述不同策略的置信度进行排序，选出至少一个置信度高的策略作为所述变化事件的优选策略序列； 步骤S3‑5，将所述变化事件与对应的所述优选策略序列储存至策略数据集,所述步骤S5中，所述变化事件的优选策略序列都通过计算当前置信水平并基于条件随机场矩阵对所述第一观测数据进行微调推理，当满足环境全局奖励动作或状态奖励时，当前优选策略替换随机的优选策略作为所述最优策略，式中Betawin,lose为自我导向WSLS的变体算法，采用双赢双输的博弈策略，如果产生的所述环境全局奖励达到其期望水平，则重复之前的优选策略，否则就相应地根据当前状态调整策略。

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复旦大学;珠海复旦创新研究院，其通讯地址为：200433 上海市杨浦区邯郸路220号；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”。

以上内容由龙图腾AI智能生成。