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！

龙图腾网获悉渊慧科技有限公司申请的专利利用深度强化学习的连续控制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：CN114757333B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202210278695.4，技术领域涉及：G06N3/092；该发明授权利用深度强化学习的连续控制是由蒂莫西·保罗·利利克拉普;乔纳森·詹姆斯·亨特;亚历山大·普里策尔;尼古拉斯·曼弗雷德·奥托·黑斯;汤姆·埃雷兹;尤瓦尔·塔萨;大卫·西尔韦;丹尼尔·彼得·维尔斯特拉设计研发完成，并于2016-07-22向国家知识产权局提交的专利申请。

本利用深度强化学习的连续控制在说明书摘要公布了：本公开涉及利用深度强化学习的连续控制。训练动作器神经网络的方法、系统、和装置，包括编码在计算机存储介质上的计算机程序，所述动作器神经网络用于选择待由与环境交互的代理执行的动作。所述方法中的一个方法包括：获得小批经验元组；以及更新所述动作器神经网络的参数的当前值，包括：对于所述小批中的每个经验元组：使用评价器神经网络来处理所述经验元组中的所述训练观测值和所述训练动作以确定所述经验元组的神经网络输出，并且确定所述经验元组的目标神经网络输出；使用在所述目标神经网络输出与所述神经网络输出之间的误差来更新所述评价器神经网络的参数的当前值；以及使用所述评价器神经网络来更新所述动作器神经网络的参数的当前值。

本发明授权利用深度强化学习的连续控制在权利要求书中公布了：1.一种用于训练动作器神经网络的方法，所述动作器神经网络被用于选择待由代理执行的动作，所述代理通过接收表征环境的当前状态的观测值并且执行从连续动作空间中选择的动作来与所述环境交互，其中，所述动作器神经网络根据所述动作器神经网络的参数的当前值将观测值映射至接下来的动作，其中， 由所述代理接收的所述观测值使用来自表征所述环境的状态的一个或者多个图像的高维像素输入来表征所述环境的所述状态，或者 所述环境是真实世界环境，并且所述代理是与所述真实世界环境交互的机械代理，所述机械代理包括与所述真实世界环境交互以实现特定任务的机器人、或在所述真实世界环境中导航的自主或者半自主载具，或者 所述环境是模拟环境，并且所述代理被实现为与所述模拟环境交互的一个或者多个计算机程序，所述代理包括玩视频游戏的模拟用户、或在运动模拟环境中导航的模拟载具， 并且其中，所述方法包括： 从重演存储器获得小批经验元组，每个经验元组包括表征所述环境的训练状态的训练观测值、来自所述代理响应于接收到所述训练观测值而执行的所述连续动作空间的训练动作、由所述代理接收的执行所述训练动作的训练奖励、和表征所述环境的下一训练状态的下一训练观测值；以及 使用所述小批经验元组来更新所述动作器神经网络的参数的当前值，包括： 对于所述小批中的每个经验元组： 使用评价器神经网络来处理所述经验元组中的所述训练观测值和所述训练动作以根据所述评价器神经网络的参数的当前值来确定所述经验元组的神经网络输出，以及 根据所述经验元组中的所述训练奖励和所述经验元组中的所述下一训练观测值来确定所述经验元组的目标神经网络输出， 使用在所述目标神经网络输出与所述小批中的所述经验元组的所述神经网络输出之间的误差来更新所述评价器神经网络的参数的当前值；以及 使用所述评价器神经网络来更新所述动作器神经网络的参数的当前值。

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渊慧科技有限公司，其通讯地址为：英国伦敦；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。