公开(公告)号：CN110119844A

公开(公告)日：2019-08-13

申请号：CN201910378476.1

申请日：2019-05-08

Applicant: 中国科学院自动化研究所

Inventor： 黄销 ,  吴伟 ,  乔红

IPC: G06Q10/04 ,  G06Q10/06 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明属于智能机器人领域，具体涉及一种引入情绪调控机制的机器人运动决策方法、系统、装置，旨在解决机器人决策速度与学习效率的问题。本系统方法包括利用环境感知模型，根据当前动作变量和状态值生成下一时刻的预测状态值；基于动作变量、状态值、即时奖励，更新状态-动作值函数网络；基于环境感知模型获取预测轨迹，计算预测轨迹局部最优解，并进行微分动态规划，获取基于模型的最优决策；根据当前状态和策略，最小化状态-动作值函数，获取无模型决策；基于状态预测误差、奖励预测误差及平均奖励值，通过情绪加工可计算模型生成情绪响应信号，根据信号的阈值选择路径决策。本发明在保证学习效率同时逐步提高决策速度。

公开(公告)号：CN110119844B

公开(公告)日：2021-02-12

申请号：CN201910378476.1

申请日：2019-05-08

Applicant: 中国科学院自动化研究所

Inventor： 黄销 ,  吴伟 ,  乔红

IPC: G06Q10/04 ,  G06Q10/06 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明属于智能机器人领域，具体涉及一种引入情绪调控机制的机器人运动决策方法、系统、装置，旨在解决机器人决策速度与学习效率的问题。本系统方法包括利用环境感知模型，根据当前动作变量和状态值生成下一时刻的预测状态值；基于动作变量、状态值、即时奖励，更新状态‑动作值函数网络；基于环境感知模型获取预测轨迹，计算预测轨迹局部最优解，并进行微分动态规划，获取基于模型的最优决策；根据当前状态和策略，最小化状态‑动作值函数，获取无模型决策；基于状态预测误差、奖励预测误差及平均奖励值，通过情绪加工可计算模型生成情绪响应信号，根据信号的阈值选择路径决策。本发明在保证学习效率同时逐步提高决策速度。