一种基于循环神经网络的自评估机器人任务中错误可知的策略学习方法

摘要

本发明公开了一种基于循环神经网络的自评估机器人任务中错误可知的策略学习方法。本发明针对具有自评估模块的机器人任务可以在执行动作之前评估该动作的特性，充分利用动作的自评估结果，将其建模到错误可知的策略学习中，利用循环神经网络隐式地编码观测和评估的记忆，使得策略本身具有基于之前的错误尝试进行分布更新的能力，从而使得最终执行的动作更加安全可靠。相比于通用的排序策略，本发明考虑了之前尝试的自评估结果对动作概率值分布的影响，从而可以再观测不变的情况下根据已知的失败更新策略分布，使得探索的次数尽可能少，更适用于机器人算法的在线调整。