一种结合TAMER框架和面部表情反馈的交互强化学习方法

摘要

本发明属于人工智能技术领域，公开了一种结合TAMER框架和面部表情反馈的交互强化学习方法，所述方法结合TAMER框架和面部表情评估形成Face Valuing‑TAMER；所述算法为：TAMER通过从人类反馈中学习值函数来预期未来奖励。人类训练者首先在TAMER框架下训练智能体，通过键盘按键反馈提供奖励信号，训练智能体获得一个初始的可执行策略，然后允许人类训练者通过面部表情反馈提供奖励调整智能体的行为。本发明通过基于面部表情反馈的交互强化学习方法可以减少人类用户训练智能体过程中的认知负担，使智能体更好的理解人类偏好，能够有效的从人类奖励中进行学习。