导航模型分布式训练方法、装置、计算机设备及存储介质制造方法及图纸

本申请涉及机器视觉领域，公开了一种导航模型分布式训练方法、装置、设备及介质，方法包括：基于环境图像与自然语言指令对初始编码模型进行训练得到目标编码模型；基于目标编码模型生成用于根据环境图像生成动作策略的全局导航模型；将全局导航模型分别下发至智能体集群的每一智能体，以使每一智能体基于本地数据对全局导航模型进行模型参数训练得到第一训练参数；获取各智能体反馈的第一训练参数以对全局导航模型进行参数更新以生成目标导航模型，因此本申请无需将智能体的本地数据集中中心节点，确保智能体本地数据的隐私安全，可以结合智能体所处环境，以学习更多的本地化特征和场景，适应不同的环境和任务需求。

【技术实现步骤摘要】

本申请涉及机器视觉领域，尤其涉及一种导航模型分布式训练方法、装置、计算机设备及存储介质。

技术介绍

1、智能体是指具有智能的实体，以智能体包括家用机器人为例，家用机器人可通过网络模型对通过机器视觉采集的环境信息及环境中包含的物件信息进行数字化的描述，如墙壁、家具等，然后基于网络模型将数字化的描述转换成相应的动作策略，以使家用机器人根据所述动作策略在所处环境中进行移动。

2、但对于目前普遍应用于智能体导航的网络模型而言，其训练过程往往是在单一的服务器上完成训练，导致无法基于各个智能体所处环境的实际场景信息进行个性化的模型训练，将训练好的模型部署于各个智能体时可能会出现与智能体所处环境不适配或是不够智能的问题，例如对环境感知不够精确、导航路径固定等。另外，如果将各个智能体的本地数据上传至同一服务器对网络模型进行训练，又可能会带来智能体本地的隐私数据或敏感数据泄露的安全问题。

技术实现思路

1、本申请实施例提供一种导航模型分布式训练方法、装置、计算机设备及存储介质，旨在提升训练得到的导航模型的智能度，以本文档来自技高网...

【技术保护点】

1.一种导航模型分布式训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一训练参数对所述全局导航模型进行参数更新以生成目标导航模型，包括：

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求2所述的方法，其特征在于，所述根据各所述智能体对应的第一训练参数生成聚合参数，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标编码模型生成全局导航模型，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述环境图像与所述自然语言指令对所述初始编码模...

【技术特征摘要】

1.一种导航模型分布式训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一训练参数对所述全局导航模型进行参数更新以生成目标导航模型，包括：

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求2所述的方法，其特征在于，所述根据各所述智能体对应的第一训练参数生成聚合参数，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标编码模型生成全局导航模型，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述环境图像与所...

【专利技术属性】
技术研发人员：张旭龙，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：