原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于扩散模型的多任务策略学习方法，属于强化学习，用于解决多任务策略在学习中具有梯度冲突且泛化能力弱的问题。本案的目的在于提出一种基于扩散模型的多任务策略学习方法，不仅能够建模复杂的多任务轨迹分布，同时具有轻量化的网络结构；此外，使用包括任务的单条轨迹信息的任务提示语，在训练中获得任务提示语和任务之间的关系，不需要额外的预训练或语言模型进行特征提取。在新的任务中只需要提供该任务的单条示教数据，就能够将现有策略泛化到其他任务中。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117474075A
(43)申请公布日2024.01.30
(21)申请号202310680335.1
(22)申请日2023.06.08
(71)申请人上海人工智能创新
文档评论（0）