[發明專利]交互式任務控制、智能決策模型訓練方法、設備和介質

在審

• 申請號: 202010415409.5
• 申請日: 2020-05-15
• 公開（公告）號: CN111589166A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 季興;紀曉龍;朱曉龍;湯善敏;周正;李宏亮;張正生;劉永升
• 申請（專利權）人: 深圳海普參數科技有限公司
• 主分類號: A63F13/822
• 分類號: A63F13/822;A63F13/847;G06N3/04
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 賀小旺

1.一種交互式任務控制方法，其特征在于，所述交互式任務的運行過程包括為多個子任務的執行過程，所述子任務能夠由用戶的操作控制執行或者由虛擬對象的操作控制執行；所述方法包括：

獲取團隊中多個虛擬對象各自的觀察變量；

對所述團隊中多個虛擬對象的觀察變量進行融合處理，得到所述團隊的全局變量數據；

基于智能決策模型，根據所述全局變量數據確定所述團隊中多個虛擬對象各自的動作指令；

根據所述動作指令控制執行所述虛擬對象對應的子任務。

2.如權利要求1所述的方法，其特征在于：所述對所述團隊中多個虛擬對象的觀察變量進行融合處理，得到所述團隊的全局變量數據，包括：

對所述團隊中多個虛擬對象的觀察變量各自進行映射處理，得到所述多個虛擬對象各自的特征向量，其中，所述映射處理包括卷積處理、池化處理、全連接處理中的至少一項；

將所述多個虛擬對象的特征向量進行融合，得到所述團隊的全局變量數據。

3.如權利要求2所述的方法，其特征在于：所述將所述多個虛擬對象的特征向量進行融合，得到所述團隊的全局變量數據，包括：

將所述多個虛擬對象依次作為目標虛擬對象，以及將所述目標虛擬對象的特征向量和所述團隊中其余虛擬對象的特征向量拼接，得到所述目標虛擬對象的目標變量數據；

將所述多個虛擬對象的目標變量數據融合，得到所述團隊的全局變量數據。

4.如權利要求1-3中任一項所述的方法，其特征在于：所述基于智能決策模型，根據所述全局變量數據確定所述團隊中多個虛擬對象各自的動作指令，包括：

基于智能決策模型，對所述全局變量數據進行全連接處理和softmax歸一化處理，得到所述團隊中各所述虛擬對象對應于多個預設動作的概率；

根據各所述虛擬對象對應于多個預設動作的概率，確定各所述虛擬對象對應的動作指令。

5.如權利要求1-3中任一項所述的方法，其特征在于：所述對所述團隊中多個虛擬對象的觀察變量進行融合處理，包括：

根據所述多個虛擬對象各自的角色定義，按照預設順序對所述團隊中多個虛擬對象的觀察變量進行融合處理。

6.一種智能決策模型的訓練方法，其特征在于，所述智能決策模型用于交互式任務的控制，所述交互式任務的運行過程包括為多個子任務的執行過程，所述子任務能夠由用戶的操作控制執行或者由虛擬對象的操作控制執行；所述方法包括：

獲取團隊中多個虛擬對象各自的觀察變量；

對多個所述觀察變量進行融合處理，得到所述團隊的全局變量數據；

基于待訓練的智能決策模型，根據所述全局變量數據確定所述團隊中多個虛擬對象各自的動作指令；

獲取各所述虛擬對象根據對應的動作指令執行動作的回報數據；

根據所述回報數據對所述待訓練的智能決策模型訓練。

7.如權利要求6所述的方法，其特征在于：所述對多個所述觀察變量進行融合處理進行融合處理，包括：

根據所述多個虛擬對象各自的角色定義，按照預設順序對所述團隊中多個虛擬對象的觀察變量進行融合處理。

8.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器；

所述存儲器用于存儲計算機程序；

所述處理器，用于執行所述計算機程序并在執行所述計算機程序時實現如權利要求1-5中任一項所述的交互式任務控制方法。

9.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器；

所述存儲器用于存儲計算機程序；

所述處理器，用于執行所述計算機程序并在執行所述計算機程序時實現如權利要求6-7中任一項所述的智能決策模型訓練方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于：若所述計算機程序被處理器執行，實現：

如權利要求1-5中任一項所述的交互式任務控制方法；和/或

如權利要求6-7中任一項所述的智能決策模型訓練方法。