一种面向机械臂多任务长程决策的强化学习系统
知识产权简介
本发明提供一种面向机械臂多任务长程决策的强化学习系统,包括:混合世界模型模块,该模型基于一组分类任务变量,学习混合高斯先验,以捕捉特定任务的隐动力学;预测性经验回放模块,该模块引入了特定的数据增强,这可以让世界模型能经历更多不同的观测-行动对,以防止它过度拟合有限的演练数据,从而导致对超出分布范围的样本表现不佳。本发明的混合世界模型模块和预测性经验回放模块,能够让智能体实现高效记忆的数据重演,从而克服世界模型灾难性遗忘,在多任务长程任务中有更好的表现,具有广泛的应用前景与价值。本发明可应用于机械臂多任务长程决策,帮助机械臂在面对多个任务时做出灵活的决策,提高了机械臂的自主性和适应性。