[发明专利]一种机器学习、寻物方法及装置

说明书

本申请实施例提供了一种机器学习、寻物方法及装置，涉及人工智能技术领域，应用于机器人，方法包括：从目标寻物场景的状态集合中选择状态，作为第一状态；以第一状态为寻物策略的起始状态，获得寻找目的物的目标最优寻物策略；以目标最优寻物策略为学习目标进行策略学习，获得机器人在目标寻物场景中寻找目的物的寻物策略，并将所获得的寻物策略添加至寻物策略池；比较所获得寻物策略与目标最优寻物策略是否一致；若一致，判定完成以第一状态为寻物策略的起始状态的策略学习；若不一致，返回从目标寻物场景的状态集合中选择状态的步骤。应用本申请实施例提供的方案提高了寻物成功的概率。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种机器学习、寻物方法及装置。

背景技术

随着机器学习算法的飞速发展，应用机器学习算法的机器人也得到了快速发展，各具特色的机器人越来越多的应用到人们的日常生活中，为人们的生活带来便利。

以在一定应用场景中具有寻物功能的机器人为例，目前，大多数机器人依赖其自身设置的定位装置和数字地图技术确定寻物路径，进行寻物。虽然大多数情况下应用上述方式能够成功寻物，但是上述机器人自身设置的定位装置在很多应用场景下不够准确，进而应用上述方式进行寻物时成功率低。

发明内容

本申请实施例的目的在于提供一种机器学习、寻物方法及装置，以提高寻物时的成功率。具体技术方案如下：

第一方面，本申请实施例提供了一种机器学习方法，应用于机器人，所述方法包括：

从目标寻物场景的状态集合中选择状态，作为第一状态，其中，所述状态集合为：所述机器人在所述目标寻物场景中的状态的集合；

以所述第一状态为寻物策略的起始状态，获得寻找目的物的目标最优寻物策略，其中，所述寻物策略包含：所述机器人从所述寻物策略的起始状态开始至寻找到所述目的物依次经历的各个状态、从每一状态转换至下一状态所述机器人执行的动作；

以所述目标最优寻物策略为学习目标进行策略学习，获得所述机器人在所述目标寻物场景中寻找所述目的物的寻物策略，并将所获得的寻物策略添加至寻物策略池，其中，所获得的寻物策略为：以所述第一状态为起始状态、以第二状态为终止状态的寻物策略，所述第二状态为：所述目的物在所述目标寻物场景中的位置对应的所述机器人所处的状态；

比较所获得寻物策略与所述目标最优寻物策略是否一致；

若一致，判定完成以所述第一状态为寻物策略的起始状态的策略学习；

若不一致，返回所述从目标寻物场景的状态集合中选择状态的步骤。

本申请的一种实现方式中，所述以所述目标最优寻物策略为学习目标进行策略学习，获得所述机器人在所述目标寻物场景中寻找所述目的物的寻物策略，包括：

以所述目标最优寻物策略为学习目标，利用目标类型的寻物策略确定用于进行策略学习的增强学习算法中的回报函数，所述目标类型的寻物策略为：寻物策略池中用于寻找所述目标物的寻物策略；

基于所述回报函数进行策略学习，获得使得所述增强学习算法中价值函数的输出值最大的寻物策略，作为所述机器人在所述目标寻物场景中寻找所述目的物的寻物策略。

本申请的一种实现方式中，所述以所述目标最优寻物策略为学习目标，利用目标类型的寻物策略确定用于进行策略学习的增强学习算法中的回报函数，包括：

确定使得以下表达式的取值最大的回报函数R为用于进行策略学习的增强学习算法中的回报函数：

其中，