[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

本申請公開了一種無人機自動控制的優化訓練方法、裝置、設備和存儲介質，該方法包括：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。本申請旨在解決現有技術中存在基于機器學習模型難以準確對無人機進行優化控制，且控制過程中存在能耗過多的技術問題。

技術領域

本申請涉及金融科技(Fintech)的人工智能技術領域，尤其涉及一種無人機自動控制的優化訓練方法、裝置、設備及存儲介質。

背景技術

隨著金融科技，尤其是互聯網科技金融的不斷發展，越來越多的技術應用在金融領域，但金融業也對技術提出了更高的要求，如金融業對無人機自動控制的優化訓練也有更高的要求。

無人機的自動控制系統在智能無人機控制中十分重要，現有技術中，主要通過事先采集不同用戶產生的無人機數據，共同訓練一個機器學習模型，以最終實現對無人機進行自動控制，然而，由于無人機數據的隱私敏感性以及不同用戶無人機的操作動態性，致使現有技術中存在基于機器學習模型難以準確對無人機進行優化控制，且控制過程中存在能耗過多的技術問題。

發明內容

本申請的主要目的在于提供一種無人機自動控制的優化訓練方法、裝置、設備和存儲介質，旨在解決現有技術中存在基于機器學習模型難以準確對無人機進行優化控制，且控制過程中存在能耗過多的技術問題。

為實現上述目的，本申請提供一種無人機自動控制的優化訓練方法，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。

可選地，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。

可選地，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。

可選地，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。

可選地，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：