買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜復旦大學申請的專利一種基于人類反饋和任務目標的智能體運行軌跡優化方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119962565B 。

龍圖騰網通過國家知識產權局官網在2025-06-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510449875.8，技術領域涉及：G06N3/006；該發明授權一種基于人類反饋和任務目標的智能體運行軌跡優化方法是由翟鵬;胡佳斌;張立華;魏瀟逸設計研發完成，并于2025-04-11向國家知識產權局提交的專利申請。

本一種基于人類反饋和任務目標的智能體運行軌跡優化方法在說明書摘要公布了：本發明涉及一種基于人類反饋和任務目標的智能體運行軌跡優化方法，包括：根據任務目標，設計任務目標數學表達式；根據任務搭建強化學習環境；從同一狀態出發，隨機采樣不同的兩段軌跡片段，根據人類偏好對軌跡片段進行標注以更新獎勵模型；從同一狀態出發，根據任務目標數學表達式，判斷智能體當前軌跡是否滿足任務需求，并將滿足任務需求的軌跡存入優勢容器中，不滿足需求的軌跡存入非優勢容器中；隨機從優勢容器和非優勢容器中提取軌跡片段，用于優化獎勵模型；根據優化后的獎勵模型進行強化學習訓練智能體，輸出得到智能體的最優運行軌跡。與現有技術相比，本發明能夠減輕人類反饋負擔、提高強化學習訓練效率，提升智能體運行軌跡的精準性。

本發明授權一種基于人類反饋和任務目標的智能體運行軌跡優化方法在權利要求書中公布了：1.一種基于人類反饋和任務目標的智能體運行軌跡優化方法，其特征在于，包括以下步驟： S1、根據任務目標，設計任務目標的數學表達式； S2、根據任務搭建強化學習環境； S3、從同一狀態出發，采用抽樣算法選擇不同的兩段軌跡片段，并根據人類偏好對軌跡片段進行標注以更新獎勵模型； S4、從同一狀態出發，根據任務目標的數學表達式，判斷智能體的當前軌跡是否滿足任務需求，并將滿足任務需求的軌跡存入到優勢容器中，不滿足需求的軌跡則存入到非優勢容器中； S5、采用抽樣算法分別從優勢容器和非優勢容器中提取軌跡片段，用于優化獎勵模型； S6、根據優化后的獎勵模型進行強化學習訓練智能體，輸出得到智能體的最優運行軌跡； 步驟S3的具體過程為： S31、采用抽樣算法從強化學習環境中采樣軌跡片段對； S32、向人類評估者展示軌跡片段對，并基于偏好選擇更符合任務目標的軌跡； S33、將人類反饋轉化為偏好數據，用于更新獎勵模型的參數； S34、重復上述步驟S31～S33，直至獎勵模型的性能達到預設標準； 步驟S5的具體過程為： S51、采用抽樣算法從優勢容器中隨機采樣高質量軌跡片段、從非優勢容器中采樣對比性軌跡片段，構成訓練數據； S52、利用訓練數據對獎勵模型進行監督學習優化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人復旦大學，其通訊地址為：200433 上海市楊浦區邯鄲路220號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。