[發明專利]無人機自動控制的優化訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202010764487.6
• 申請日: 2020-07-31
• 公開（公告）號: CN111880568A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 鞠策;高大山
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G05D1/10
• 分類號: G05D1/10;G06N20/20;G06K9/62
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

1.一種無人機自動控制的優化訓練方法，其特征在于，應用于第一參與方，所述第一參與方與第二參與方進行聯邦連接，所述無人機自動控制的優化訓練方法包括：

獲取用于無人機自動控制的優化訓練數據，提取所述優化訓練數據中的路徑軌跡信息；

基于所述路徑軌跡信息，確定預設勢能函數的第一最優線性組合；

基于所述第一最優線性組合，通過聯邦學習得到用于無人機自動控制的目標控制模型。

2.如權利要求1所述的無人機自動控制的優化訓練方法，其特征在于，所述預設勢能函數為多個，所述基于所述路徑軌跡信息，確定預設勢能函數的第一最優線性組合的步驟，包括：

對每個所述預設勢能函數進行系數初始化處理，得到初始化系數后的預設勢能函數；

基于所述路徑軌跡信息，確定初始化系數后的預設勢能函數的各初始勢能值；

基于各所述初始勢能值，確定每個所述預設勢能函數的目標最優軌跡；

基于各所述目標最優軌跡，確定所述預設勢能函數的累積勢能值；

基于所述累積勢能值以及預設終止條件，確定所述預設勢能函數的第一最優線性組合。

3.如權利要求2所述的無人機自動控制的優化訓練方法，其特征在于，所述基于所述路徑軌跡信息，確定初始化系數后的預設勢能函數的各初始勢能值的步驟之前，所述方法包括：

獲取所述路徑軌跡信息對應第一參與方的用戶數據；

基于所述用戶數據，確定所述第一參與方是否為專家類型參與方；

若所述第一參與方為專家類型參與方，執行基于所述路徑軌跡信息，確定初始化系數后的預設勢能函數的各初始勢能值的步驟。

4.如權利要求3所述的無人機自動控制的優化訓練方法，其特征在于，所述基于所述用戶數據，確定所述第一參與方是否為專家類型參與方的步驟，包括：

將所述用戶數據輸入至預設專家分類器模型中；

基于所述預設專家分類器模型，對所述用戶數據進行識別處理，確定所述第一參與方是否為專家類型參與方。

5.如權利要求4所述的無人機自動控制的優化訓練方法，其特征在于，所述基于所述預設專家分類器模型，對所述用戶數據進行識別處理的步驟之前，所述方法包括：

獲取具有類型標簽的用戶數據集合，以對預設基礎模型進行聯邦迭代訓練，得到目標模型；

將所述目標模型設置為所述預設專家分類器模型。

6.如權利要求5所述的無人機自動控制的優化訓練方法，其特征在于，所述基于所述第一最優線性組合，通過聯邦學習得到用于無人機自動控制的目標控制模型的步驟，包括：

接收各個第二參與方的第二最優線性組合；

確定所述第一最優線性組合與第二最優線性組合的占比權重；

基于所述占比權重，通過聯邦學習得到用于無人機自動控制的目標控制模型。

7.如權利要求1－6任一項所述的無人機自動控制的優化訓練方法，其特征在于，所述基于所述第一最優線性組合，通過聯邦學習得到目標控制模型的步驟之后，包括：

獲取待處理數據，將所述待處理數據輸入至目標控制模型中；

基于所述目標控制模型對所述待處理數據進行預測處理，得到待處理數據的目標預測結果。

8.一種無人機自動控制的優化訓練裝置，其特征在于，應用于第一參與方，所述第一參與方與第二參與方進行聯邦連接，所述無人機自動控制的優化訓練裝置包括：

第一獲取模塊，用于獲取用于無人機自動控制的優化訓練數據，提取所述優化訓練數據中的路徑軌跡信息；

第一確定模塊，用于基于所述路徑軌跡信息，確定預設勢能函數的第一最優線性組合；

第二獲取模塊，用于基于所述第一最優線性組合，通過聯邦學習得到用于無人機自動控制的目標控制模型。