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
本发明提供了一种基于人类反馈调整机器人任务神经网络行为的方法。本发明的方法主要包括如下三个步骤：a、收集任务数据并训练初始策略网络；b、收集操作员反馈意见：操作员根据策略网络在当前时间步生成的动作并结合自身的偏好为不同的行为给出不同的奖励值；奖励值越大表明越鼓励这种行为，奖励值越小表明越反对这种行为；c、根据步骤b中操作员反馈意见使用PPO算法对初始策略网络行微调。本发明提出了一个完整的用于调整机器人操作任务策略网络行为的流程。本发明能够根据操作员的评价奖励，解决初始策略网络中存在的冗余动作或有
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118061178A
(43)申请公布日2024.05.24
(21)申请号202410216058.3
(22)申请日2024.02.27
(71)申请人河北大学
地址071002
文档评论（0）