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！

龙图腾网获悉清华大学申请的专利一种基于准度量及规划的多目标强化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：CN120597980B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510593599.2，技术领域涉及：G06N3/092；该发明授权一种基于准度量及规划的多目标强化学习方法是由梁斌;杨君;罗梦龙;刘启涵;芦维宁设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本一种基于准度量及规划的多目标强化学习方法在说明书摘要公布了：公开了一种基于准度量及规划的多目标强化学习方法，包括：构建表征函数、准度量值函数和隐空间动力学模型，并利用从环境交互中采样的转移数据和目标状态进行联合训练，其中，准度量值函数被优化以拟合状态到目标的成本，并作为距离度量标准用于优化隐空间动力学模型；在决策时，利用MPC框架，并结合CEM进行动作选择优化，该过程利用隐空间动力学模型预测未来轨迹，使用准度量值函数评估预测轨迹的成本，并根据CEM优化得到的最低成本规划结果确定应用于当前状态的单个动作。本公开通过学习准度量成本函数和隐空间模型，并结合模型预测控制规划，能够有效应对稀疏奖励，显著提高多目标强化学习的样本效率和最终性能。

本发明授权一种基于准度量及规划的多目标强化学习方法在权利要求书中公布了：1.一种基于准度量及规划的多目标强化学习方法，其特征在于，包括： 构建表征函数、准度量值函数和隐空间动力学模型，并利用从环境交互中采样的转移数据s,a,s',r和目标状态g，联合训练所述表征函数、所述准度量值函数和所述隐空间动力学模型；其中，表征函数用于将从环境交互中采样的状态映射为对应的隐空间表示；隐空间动力学模型用于基于当前状态s的隐空间表示和应用于该状态的动作a，预测下一状态的隐空间表示；准度量值函数用于计算输入的两个隐空间表示之间的准度量距离，并在训练隐空间动力学模型时，作为预测的下一状态的隐空间表示和采样的下一状态s'的隐空间表示之间的距离度量标准；奖励r用于优化准度量值函数； 利用模型预测控制MPC，并结合交叉熵方法CEM进行动作选择优化，其中，在所述MPC过程中，利用当前训练好的隐空间动力学模型预测未来隐空间轨迹，使用当前训练好的准度量值函数计算预测的隐空间轨迹的最终隐空间表示到目标状态的隐空间表示的准度量距离作为成本评估标准，并根据CEM优化得到的最低成本动作规划结果，确定应用于当前状态的单个动作。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。