[发明专利]智能体行为训练方法、装置、系统、存储介质及设备

权利要求书

1.一种智能体行为训练方法，其特征在于，所述智能体行为训练方法包括：

获取执行专家的行为过程中的决策数据；其中，所述决策数据包括多个决策行为数据和对应的决策观测数据；

获取执行辅助的行为过程中的辅助数据；其中，所述辅助数据包括多个辅助行为数据和对应的辅助观测数据；

基于所述决策数据和所述辅助数据，进行模型自主学习，得到智能体行为模型。

2.根据权利要求1所述的智能体行为训练方法，其特征在于，所述基于所述决策数据和所述辅助数据，进行模型自主学习，得到智能体行为模型包括：

基于所述决策数据和所述辅助数据，训练初始模型，得到预处理模型；

进行预处理模型自主学习，得到智能体行为模型。

3.根据权利要求1所述的智能体行为训练方法，其特征在于，所述基于所述决策数据和所述辅助数据，进行模型自主学习，得到智能体行为模型包括：

基于所述决策数据和所述辅助数据，进行初始模型自主学习，得到智能体行为模型。

4.根据权利要求1、2或3所述的智能体行为训练方法，其特征在于，所述获取执行专家的行为过程中的决策数据包括：

获取所述执行专家的行为过程中的多个当前时刻的决策行为数据；

获取所述执行专家的行为过程中第一传感器发送的所述多个当前时刻的所述决策观测数据；其中，所述当前时刻的决策行为数据与所述当前时刻的决策观测数据相对应；或

获取所述执行专家的行为过程中第二传感器发送的多个当前时刻所述决策行为数据的相关信息；

解析所述相关信息，生成多个上一时刻的所述决策行为数据；

获取所述执行专家的行为过程中第一传感器发送的所述多个上一时刻的所述决策观测数据；其中，所述上一时刻的所述决策行为数据与所述上一时刻的所述决策观测数据相对应。

5.根据权利要求1、2或3所述的智能体行为训练方法，其特征在于，所述获取执行辅助的行为过程中的辅助数据包括：

获取所述执行辅助的行为过程中的多个当前时刻的辅助行为数据；

获取所述执行辅助的行为过程中第一传感器发送的所述多个当前时刻的所述辅助观测数据；其中，所述当前时刻的辅助行为数据与所述当前时刻的辅助观测数据相对应；或

获取所述执行辅助的行为过程中第二传感器发送的多个当前时刻所述辅助行为数据的相关信息；

根据所述相关信息，得到多个上一时刻的所述行为数据；

获取所述执行辅助的行为过程中第一传感器发送的所述多个上一时刻的所述辅助观测数据；其中，所述上一时刻的所述辅助行为数据与所述上一时刻的所述辅助观测数据相对应。

6.一种智能体行为训练控制装置，其特征在于，所述智能体行为训练控制装置包括：

决策数据获取模块，用于获取执行专家的行为过程中的决策数据；其中，所述决策数据包括多个决策行为数据和对应的决策观测数据；

辅助数据获取模块，获取执行辅助的行为过程中的辅助数据；其中，所述辅助数据包括多个辅助行为数据和对应的辅助观测数据；

行为模型生成模块，用于基于所述决策数据和所述辅助数据，进行模型自主学习，得到智能体行为模型。

7.一种智能体行为训练系统，其特征在于，所述智能体行为训练系统包括：

行为数据生成装置，用于生成决策行为数据和所述辅助行为数据，并将所述决策行为数据和所述辅助行为数据发送给所述控制装置；

第一传感器，用于获取决策观测数据和辅助观测数据，并将所述决策观测数据和所述辅助观测数据发送给所述控制装置；

控制装置，用于获取执行专家的行为过程中的决策数据；其中，所述决策数据包括多个决策行为数据和对应的决策观测数据；获取执行辅助的行为过程中的辅助数据；其中，所述辅助数据包括多个辅助行为数据和对应的辅助观测数据；基于所述决策数据和所述辅助数据，进行模型自主学习，得到智能体行为模型。