增強交通模擬器真實性的逆強化學(xué)習(xí)方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN202110625802.1 申請日 -
公開（公告）號 CN113221469A 公開（公告）日 2021-08-06
申請公布號 CN113221469A 申請公布日 2021-08-06
分類號 G06F30/27;G06N20/00 分類 計算；推算；計數(shù);
發(fā)明人 薛貴榮 申請（專利權(quán)）人 上海天壤智能科技有限公司
代理機構(gòu) 上海段和段律師事務(wù)所 代理人 黃磊;郭國中
地址 201100 上海市閔行區(qū)劍川路951號5幢1層（集中登記地）
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了一種增強交通模擬器真實性的逆強化學(xué)習(xí)方法及系統(tǒng)，包括：通過生成器初始化一個軌跡動作策略；結(jié)合當(dāng)前環(huán)境，生成多個智能體的軌跡數(shù)據(jù)；將軌跡數(shù)據(jù)與預(yù)設(shè)的專家軌跡數(shù)據(jù)混合，將混合軌跡數(shù)據(jù)輸入判別器，訓(xùn)練判別器區(qū)分專家軌跡數(shù)據(jù)，訓(xùn)練的目標(biāo)是最大化獎勵函數(shù)；將獎勵函數(shù)輸入生成器，生成器得到新的軌跡動作策略；用新的軌跡動作策略生成多個智能體的軌跡數(shù)據(jù)，并與預(yù)設(shè)的專家軌跡數(shù)據(jù)混合及訓(xùn)練判別器，直至收斂；交通模擬器根據(jù)最終的獎勵函數(shù)和軌跡動作策略進(jìn)行交通模擬。本發(fā)明能夠推斷真實世界車輛的獎勵函數(shù)，它使我們能夠在不同的交通環(huán)境下優(yōu)化策略，具有良好的可擴展能力。