温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。

本发明提供一种对抗式模仿学习中奖励函数的选择方法，包括如下步骤：构建参数为θ的策略网络、参数为w的判别网络和至少两个奖励函数；获取专家策略下的示教数据并存入包含专家轨迹的专家数据缓存器中；控制策略网络的输入为仿真环境返回的状态，输出为决策动...
该专利属于清华大学深圳国际研究生院所有，仅供学习研究参考，未经过清华大学深圳国际研究生院授权不得商用。

详细技术文档下载地址

温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。