[发明专利]模型训练方法、模型使用方法、计算机设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取训练样本数据，从所述训练样本数据中提取观察变量；

获取所述观察变量的真实编码类型，以及获取智能体的真实动作；

通过编码模型对所述观察变量进行编码，得到预测编码类型；

根据所述真实编码类型与所述预测编码类型对所述编码模型的参数进行调整，得到训练后的编码模型；

通过训练后的编码模型将所述观察变量映射为高维特征；

通过分类模型基于所述高维特征确定智能体的预测动作；

根据所述真实动作与所述预测动作对所述分类模型的参数进行调整，得到训练后的分类模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述观察变量包括所述智能体的位置、对抗方的位置、以及合作方的位置。

3.根据权利要求1所述的模型训练方法，其特征在于，所述观察变量的预测编码类型或真实编码类型包括合作方的个数、对抗方的个数、打击对抗方的次数、以及团队合作的次数。

4.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述真实编码类型与所述预测编码类型对所述编码模型的参数进行调整，得到训练后的编码模型包括：

通过第一损失函数对所述真实编码类型和所述预测编码类型进行收敛，以调整所述编码模型的参数至合适值，得到训练后的编码模型；

根据所述真实动作与所述预测动作对所述分类模型的参数进行调整，得到训练后的分类模型包括：

通过第二损失函数对所述真实动作与所述预测动作进行收敛，以调整所述分类模型的参数至合适值，得到训练后的分类模型。

5.根据权利要求1至4任一项所述的模型训练方法，其特征在于，所述模型训练方法还包括：

获取运行环境中的当前帧数据；

从所述当前帧数据中提取目标观察变量；

通过训练后的编码模型将所述目标观察变量映射为目标高维特征；

通过所述训练后的分类模型基于所述目标高维特征确定所述当前帧数据中目标智能体的动作；

控制所述目标智能体执行所述动作。

6.一种模型训练方法，其特征在于，包括：

获取训练样本数据，从所述训练样本数据中提取观察变量；

获取所述观察变量的真实编码类型，以及获取智能体的真实动作；

通过编码模型将所述观察变量映射为高维特征，将所述高维特征传输至分类模型；

通过所述编码模型基于所述高维特征对所述观察变量进行编码，得到预测编码类型；

通过所述分类模型基于所述高维特征确定智能体的预测动作；

根据所述真实编码类型与所述预测编码类型对所述编码模型的参数进行调整，得到训练后的编码模型；

根据所述真实动作与所述预测动作对所述分类模型的参数进行调整，得到训练后的分类模型。

7.根据权利要求6所述的模型训练方法，其特征在于，所述观察变量包括所述智能体的位置、对抗方的位置、以及合作方的位置。

8.根据权利要求6所述的模型训练方法，其特征在于，所述观察变量的预测编码类型或真实编码类型包括合作方的个数、对抗方的个数、打击对抗方的次数、以及团队合作的次数。

9.根据权利要求6至8任一项所述的模型训练方法，其特征在于，所述模型训练方法还包括：

获取运行环境中的当前帧数据；

从所述当前帧数据中提取目标观察变量；

通过训练后的编码模型将所述目标观察变量映射为目标高维特征；

通过所述训练后的分类模型基于所述目标高维特征确定所述当前帧数据中目标智能体的动作；

控制所述目标智能体执行所述动作。