[發(fā)明專利]智能體模型的訓(xùn)練方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211549460.0
• 申請(qǐng)日: 2022-12-05
• 公開（公告）號(hào): CN116186531A
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 張記袁;曾增烽;鄭濱雄;王凡
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F18/214
• 分類號(hào): G06F18/214;G06F18/22;G06N3/0464;G06N3/0455;G06N3/08
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 石茵汀

本公開提供了一種智能體模型的訓(xùn)練方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)領(lǐng)域，尤其涉及深度學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域。具體實(shí)現(xiàn)方案為：獲取候選歷史樣本；將候選歷史樣本添加到經(jīng)驗(yàn)池；基于當(dāng)前樣本，從經(jīng)驗(yàn)池中篩選出目標(biāo)歷史樣本；基于當(dāng)前樣本和目標(biāo)歷史樣本，得到第一智能體對(duì)應(yīng)的智能體模型的第一訓(xùn)練樣本集；基于第一訓(xùn)練樣本集，對(duì)智能體模型進(jìn)行訓(xùn)練。由此，可將候選歷史樣本添加到經(jīng)驗(yàn)池，并基于當(dāng)前樣本，從經(jīng)驗(yàn)池中篩選出目標(biāo)歷史樣本，綜合考慮到當(dāng)前樣本和目標(biāo)歷史樣本，對(duì)智能體模型進(jìn)行訓(xùn)練，有助于提升智能體模型的訓(xùn)練效率，特別適用于空中對(duì)戰(zhàn)類游戲場(chǎng)景中智能體模型的訓(xùn)練。

技術(shù)領(lǐng)域

本公開涉及人工智能技術(shù)領(lǐng)域，尤其涉及深度學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種智能體模型的訓(xùn)練方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)

目前，隨著人工智能技術(shù)的不斷發(fā)展，智能體模型在游戲、終端應(yīng)用等領(lǐng)域得到了廣泛應(yīng)用，具有自動(dòng)化程度高、智能化高等優(yōu)點(diǎn)。比如，以游戲場(chǎng)景為例，與預(yù)先為游戲角色訓(xùn)練智能體模型，真實(shí)玩家可與虛擬玩家進(jìn)行對(duì)戰(zhàn)，通過智能體模型來(lái)獲取虛擬玩家的動(dòng)作。然而，相關(guān)技術(shù)中智能體模型的訓(xùn)練，存在訓(xùn)練效率低的問題。

發(fā)明內(nèi)容

本公開提供了一種智能體模型的訓(xùn)練方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。

根據(jù)本公開的一方面，提供了一種智能體模型的訓(xùn)練方法，包括：獲取候選歷史樣本，其中，所述候選歷史樣本包括第一智能體、第二智能體的歷史數(shù)據(jù)，所述第二智能體為所述第一智能體的敵方；將所述候選歷史樣本添加到經(jīng)驗(yàn)池；基于當(dāng)前樣本，從所述經(jīng)驗(yàn)池中篩選出目標(biāo)歷史樣本，其中，所述當(dāng)前樣本包括所述第一智能體、所述第二智能體的當(dāng)前數(shù)據(jù)；基于所述當(dāng)前樣本和所述目標(biāo)歷史樣本，得到所述第一智能體對(duì)應(yīng)的智能體模型的第一訓(xùn)練樣本集；基于所述第一訓(xùn)練樣本集，對(duì)所述智能體模型進(jìn)行訓(xùn)練。

根據(jù)本公開的另一方面，提供了一種智能體模型的訓(xùn)練裝置，包括：第一獲取模塊，用于獲取候選歷史樣本，其中，所述候選歷史樣本包括第一智能體、第二智能體的歷史數(shù)據(jù)，所述第二智能體為所述第一智能體的敵方；添加模塊，用于將所述候選歷史樣本添加到經(jīng)驗(yàn)池；篩選模塊，用于基于當(dāng)前樣本，從所述經(jīng)驗(yàn)池中篩選出目標(biāo)歷史樣本，其中，所述當(dāng)前樣本包括所述第一智能體、所述第二智能體的當(dāng)前數(shù)據(jù)；第二獲取模塊，用于基于所述當(dāng)前樣本和所述目標(biāo)歷史樣本，得到所述第一智能體對(duì)應(yīng)的智能體模型的第一訓(xùn)練樣本集；訓(xùn)練模塊，用于基于所述第一訓(xùn)練樣本集，對(duì)所述智能體模型進(jìn)行訓(xùn)練。

根據(jù)本公開的另一方面，提供了一種電子設(shè)備，包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行智能體模型的訓(xùn)練方法。

根據(jù)本公開的另一方面，提供了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行智能體模型的訓(xùn)練方法。

根據(jù)本公開的另一方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)智能體模型的訓(xùn)練方法的步驟。

應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說(shuō)明書而變得容易理解。

附圖說(shuō)明

附圖用于更好地理解本方案，不構(gòu)成對(duì)本公開的限定。其中：

圖1是根據(jù)本公開第一實(shí)施例的智能體模型的訓(xùn)練方法的流程示意圖；

圖2是根據(jù)本公開第二實(shí)施例的智能體模型的訓(xùn)練方法的示意圖；

圖3是根據(jù)本公開第三實(shí)施例的智能體模型的訓(xùn)練方法的示意圖；

圖4是根據(jù)本公開第四實(shí)施例的智能體模型的訓(xùn)練方法的示意圖；