[发明专利]视频数据处理方法、装置、电子设备和计算机可读介质

权利要求书

1.一种视频数据处理方法，其特征在于，包括：

基于预设的奖励预测模型，对所述视频数据中，执行主体执行目标任务时的任务环境进行特征提取，生成所述任务环境的分布激励；

基于预设的强化学习模型，根据所述任务环境，生成任务指令，并根据所述任务指令指导所述执行主体执行所述目标任务，得到任务结果；

基于预设的奖励评估函数，对所述任务结果进行评估，生成任务激励，并根据所述任务激励，对所述奖励预测模型的参数进行调整；以及，根据所述分布激励，对所述强化学习模型的参数进行调整。

2.根据权利要求1所述的方法，其特征在于，所述基于预设的奖励预测模型，对所述视频数据中，执行主体执行所述目标任务时的任务环境进行特征提取，生成所述任务环境的分布激励，包括：

按照时间序列，基于所述奖励预测模型，对所述图像数据中，所述执行主体执行所述目标任务时的所述任务环境进行特征提取，生成所述任务环境的所述分布激励。

3.根据权利要求2所述的方法，其特征在于，所述按照时间序列，基于所述奖励预测模型，对所述视频数据中，所述执行主体执行所述目标任务时的所述任务环境进行特征提取，生成所述任务环境的所述分布激励，包括：

按照时间序列，确定所述图像数据中所述任务环境变化的图像数据，并基于所述奖励预测模型，对所述任务环境变化的图像数据中，所述执行主体执行所述目标任务时的所述任务环境进行特征提取，生成所述任务环境的所述分布激励。

4.根据权利要求1所述的方法，其特征在于，所述基于预设的强化学习模型，根据所述任务环境，生成任务指令，并根据所述任务指令指导所述执行主体执行所述目标任务，得到任务结果包括：

基于预设的所述强化学习模型中的策略网络子模型，根据所述任务环境，生成任务指令集，所述任务指令集中包括多个所述任务指令；

基于预设的所述强化学习模型中的价值网络子模型，对所述任务指令集中的多个所述任务指令进行评估，选择最佳的所述任务指令，并根据最佳的所述任务指令指导所述执行主体执行所述目标任务，得到所述任务结果。

5.根据权利要求1-4任一所述的方法，其特征在于，

所述奖励预测模型为图神经网络模型；

和/或，

所述强化学习模型为深度强化学习神经网络模型。

6.一种视频数据处理装置，其特征在于，包括：

第一神经网络单元，配置为基于预设的奖励预测模型，对所述视频数据中，执行主体执行目标任务时的任务环境进行特征提取，生成所述任务环境的分布激励；

第二神经网络单元，配置为基于预设的强化学习模型，根据所述任务环境，生成任务指令，并根据所述任务指令指导所述执行主体执行所述目标任务，得到任务结果；

调整单元，配置为基于预设的奖励评估函数，对所述任务结果进行评估，生成任务激励，并根据所述任务激励，对所述奖励预测模型的参数进行调整；以及，根据所述分布激励，对所述强化学习模型的参数进行调整。

7.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序为如权利要求1-5任一所述的视频数据处理方法。

8.一种电子设备，其特征在于，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的程序，所述处理器执行所述程序时实现如下步骤：

基于预设的奖励预测模型，对所述视频数据中，执行主体执行目标任务时的任务环境进行特征提取，生成所述任务环境的分布激励；

基于预设的强化学习模型，根据所述任务环境，生成任务指令，并根据所述任务指令指导所述执行主体执行所述目标任务，得到任务结果；

基于预设的奖励评估函数，对所述任务结果进行评估，生成任务激励，并根据所述任务激励，对所述奖励预测模型的参数进行调整；以及，根据所述分布激励，对所述强化学习模型的参数进行调整。