基于未来潜变量对齐与流匹配的策略网络训练方法及系统

著录项目

摘要

本发明公开了一种基于未来潜变量对齐与流匹配的策略网络训练方法及系统，涉及机器人控制技术领域。所述方法包括：获取训练数据，基于预训练的动作感知嵌入模型映射得到当前观测嵌入和目标未来特征，并对真实动作序列进行加噪及嵌入处理得到加噪动作嵌入；基于Transformer架构构建流匹配策略网络并增设可学习未来Token，将当前观测嵌入、加噪动作嵌入和未来Token拼接输入网络，得到预测动作序列和预测未来特征；计算预测未来特征与目标未来特征的相似度损失，并计算动作流匹配损失，构建混合损失函数更新策略网络参数。本发明使策略网络具备对未来状态的隐式推理能力，同时避免像素级生成的计算负担。

附图

附图 1