CN115565104A - 一种动作预测方法及其相关设备 - Google Patents

一种动作预测方法及其相关设备 Download PDF

Info

Publication number
CN115565104A
CN115565104A CN202211192232.2A CN202211192232A CN115565104A CN 115565104 A CN115565104 A CN 115565104A CN 202211192232 A CN202211192232 A CN 202211192232A CN 115565104 A CN115565104 A CN 115565104A
Authority
CN
China
Prior art keywords
agent
state
action
actions
joint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211192232.2A
Other languages
English (en)
Inventor
李银川
邵云峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202211192232.2A priority Critical patent/CN115565104A/zh
Publication of CN115565104A publication Critical patent/CN115565104A/zh
Priority to PCT/CN2023/118708 priority patent/WO2024067113A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种动作预测方法及其相关设备，提供了一种新的动作预测方式，该方式预测得到的动作较为准确，可以使得智能体执行完预测的动作后，获取最大化的回报或实现特定目标。本申请的方法包括：第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，在这N个动作中，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测。

Description

一种动作预测方法及其相关设备
技术领域
本申请实施例涉及人工智能(artificial intelligence，AI)技术领域，尤其涉及一种动作预测方法及其相关设备。
背景技术
随着AI技术的飞速发展，神经网络模型被广泛应用于描述和解决智能体(agent)在与环境的交互过程中的动作策略选择，从而令智能体在执行相应的动作后能够实现回报最大化或实现特定目标。
目前，相关技术提供的神经网络模型，在确定某个智能体处于初始状态后，可对与该智能体的初始状态相关联的信息进行处理，从而预测出该智能体的动作，该智能体的动作用于令该智能体从初始状态进入终止状态。如此一来，该智能体可执行神经网络模型预测得到的动作，从而到达终止状态。
上述过程中，神经网络模型在预测该智能体的动作时，仅考虑该智能体自身的信息，所考虑的因素较为单一，这种方式预测得到的动作不够准确(即不够贴合实际)，导致该智能体执行完预测得到的动作后，无法使回报最大化或实现特定目标。
发明内容
本申请实施例提供了一种动作预测方法及其相关设备，提供了一种新的动作预测方式，该方式预测得到的动作较为准确，可以使得智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
本申请实施例的第一方面提供了一种动作预测方法，该方法包括：
当第一智能体以及第二智能体在环境中处于第一状态(第一状态既可以是生成流模型中的初始状态，也可以是某一个中间状态)时，第一智能体可从此时的环境中采集自身的状态信息，该状态信息可用于指示第一智能体以及第二智能体处于第一状态。
第一智能体得到自身的状态信息后，可将自身的状态信息输入至设于自身的生成流模型中，以通过生成流模型对自身的状态信息进行处理，从而得到第一智能体与第二智能体之间的N个联合动作的发生概率，N≥1。
其中，对于这N个联合动作中的任意一个联合动作而言，即对于第i个联合动作而言，第i个联合动作用于令第一智能体和第二智能体在环境中从第一状态进入第i个第二状态，第i个联合动作由第一智能体的N个独立动作中的第i个独立动作和第二智能体的N个独立动作中的第i个独立动作构建。可以理解的是，对于第i个联合动作而言，第i个联合动作的发生概率也就是第一智能体的N个独立动作中的第i个独立动作的发生概率，也就是第二智能体的N个独立动作中的第i个独立动作的发生概率。至此，第一智能体则完成了针对第一状态的动作预测，i＝1，...，N。
从上述方法可以看出：第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，在这N个联合动作中，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，第一智能体的状态信息可以是第一智能体处于第一状态时所采集的信息，该信息可以是第一智能体通过摄像头拍摄的图像，也可以是第一智能体通过摄像头拍摄的视频，也可以是第一智能体通过麦克风收集的音频，也可以是第一智能体生成的文本等等。
在一种可能实现的方式中，通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率之后，该方法还包括：从N个联合动作中选择发生概率最大的联合动作；执行发生概率最大的联合动作所包含的第一智能体的动作。前述方式中，得到N个联合动作的发生概率后，第一智能体可在N个联合动作中，选择发生概率最大的联合动作，并执行该联合动作所包含的第一智能体的独立动作，以进入N个第二状态中的某一个第二状态。至此，第一智能体则完成了针对第一状态的动作执行。
本申请实施例的第二方面提供了一种动作预测方法，该方法包括：
当第一智能体以及第二智能体在环境中处于第一状态(第一状态既可以是生成流模型中的初始状态，也可以是某一个中间状态)时，第一智能体可从此时的环境中采集自身的状态信息，该状态信息可用于指示第一智能体以及第二智能体处于第一状态。
第一智能体得到自身的状态信息后，可将自身的状态信息输入至设于自身的生成流模型中，以通过生成流模型对自身的状态信息进行处理，从而得到第一智能体的N个独立动作的发生概率，N≥1。
其中，对于这N个独立动作中的任意一个独立动作而言，即对于第i个独立动作而言，第i个独立动作用于令第一智能体和第二智能体在环境中从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测，i＝1，...，N。
从上述方法可以看出：第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，在这N个动作中，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率之后，该方法还包括：从N个动作中，选择发生概率最大的动作；执行发生概率最大的动作。
本申请实施例的第三方面提供了一种模型训练方法，该方法包括：
当需要对待训练模型进行训练时，可获取一批训练数据，该批训练数据包含第一智能体的状态信息，且该状态信息用于指示第一智能体和第二智能体处于第一状态。需要说明的是，与第一状态对应的的奖励值是已知的。
得到第一智能体的状态信息后，第一智能体可将自身的状态信息输入至自身的生成流模型，以通过待训练模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率(即从第一状态流出的N个联合动作)，从第一状态流出的N个联合动作中，从第一状态流出的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，从第一状态流出的第i个联合动作包含第一智能体的N个独立动作中的第i个独立动作和第二智能体的N个独立动作中的第i个独立动作，i＝1，...，N。
得到从第一状态流出的N个联合动作的发生概率，可基于从第一状态流出的N个联合动作的发生概率，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
上述方法训练得到生成流模型，具备预测智能体动作的功能。具体地，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，在这N个联合动作中，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，基于N个联合动作的发生概率，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型包括：基于第一智能体与第二智能体之间的M个联合动作的发生概率，N个联合动作的发生概率以及与第一状态对应的奖励值，确定目标损失，M个联合动作中的第j个联合动作用于令第一智能体以及第二智能体从第j个第三状态进入第一状态，j＝1，...，M，M≥1；基于目标损失，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。前述实现方式中，在得到从第一状态流出的N个联合动作的发生概率后，第一智能体还可获取流入第一状态的M个联合动作(即第一智能体与第二智能体之间的M个联合动作)的发生概率。需要说明的是，流入第一状态的M个联合动作中，流入第一状态的第j个联合动作用于令第一智能体和第二智能体从第j个第三状态进入第一状态。那么，可对流入第一状态的的M个联合动作的发生概率，从第一状态流出的N个联合动作的发生概率以及与第一状态对应的奖励值进行计算，从而得到目标损失。
本申请实施例的第四方面提供了一种模型训练方法，该方法包括：
当需要对第一智能体的待训练模型进行训练时，可获取一批训练数据，该批训练数据包含第一智能体的状态信息，且该状态信息用于指示第一智能体和第二智能体处于第一状态。需要说明的是，与第一状态对应的的奖励值是已知的。
得到第一智能体的状态信息后，第一智能体可将自身的状态信息输入至自身的生成流模型，以通过第一智能体的待训练模型对状态信息进行处理，得到第一智能体的N个独立动作的发生概率(即第一智能体的从第一状态流出的N个独立动作)。
在得到第一智能体的从第一状态流出的N个独立动作的发生概率后，第一智能体还可从第二智能体处获取第二智能体的从第一状态流出的N个独立动作的发生概率，第二智能体的从第一状态流出的N个独立动作的发生概率通过第二智能体的待训练模型获取。
接着，第一智能体可对第一智能体的从第一状态流出的N个独立动作的发生概率以及第二智能体的从第一状态流出的N个独立动作的发生概率进行计算，从而得到从第一状态流出的N个联合行为的发生概率，从第一状态流出的N个联合动作中，从第一状态流出的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，i＝1，...，N。
然后，第一智能体可基于从第一状态流出的N个联合动作的发生概率，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型。
上述方法训练得到的生成流模型，具备预测智能体动作的功能。具体地，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，在这N个动作中，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，基于N个联合动作的发生概率，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型包括：基于第一智能体与第二智能体之间的M个联合动作的发生概率，N个联合动作的发生概率以及与第一状态对应的奖励值，确定目标损失，M个联合动作中的第j个联合动作用于令第一智能体以及第二智能体从第j个第三状态进入第一状态，j＝1，...，M，M≥1；基于目标损失，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型。
本申请实施例的第五方面提供了一种动作预测装置，该装置包括：获取模块，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；处理模块，用于通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作，i＝1，...，N，N≥1。
从上述装置可以看出：第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，在这N个联合动作中，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，处理模块，用于：从N个联合动作中选择发生概率最大的联合动作；执行发生概率最大的联合动作所包含的第一智能体的动作。
本申请实施例的第六方面提供了一种动作预测装置，该装置包括：获取模块，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；处理模块，用于通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，i＝1，...，N，N≥1。
从上述装置可以看出：第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，在这N个动作中，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，处理模块，用于：从N个动作中，选择发生概率最大的动作；执行发生概率最大的动作。
本申请实施例的第七方面提供了一种模型训练装置，该装置包括：获取模块，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；处理模块，用于通过待训练流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，N个联合动作中的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作，i＝1，...，N；更新模块，用于基于N个联合动作的发生概率，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
上述装置训练得到生成流模型，具备预测智能体动作的功能。具体地，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，在这N个联合动作中，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，更新模块，用于：基于第一智能体与第二智能体之间的M个联合动作的发生概率，N个联合动作的发生概率以及与第一状态对应的奖励值，确定目标损失，M个联合动作中的第j个联合动作用于令第一智能体以及第二智能体从第j个第三状态进入第一状态，j＝1，...，M，M≥1；基于目标损失，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
本申请实施例的第八方面提供了一种模型训练装置，该装置包括：获取模块，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；第一处理模块，用于通过第一智能体的待训练模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，N≥1；第二处理模块，用于基于第一智能体的N个动作的发生概率以及第二智能体的N个动作的发生概率，确定第一智能体与第二智能体之间的N个联合动作的发生概率，第二智能体的N个动作通过第二智能体的待训练模型获取，N个联合动作中的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态；更新模块1404，用于基于N个联合动作的发生概率，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型。
上述装置训练得到的生成流模型，具备预测智能体动作的功能。具体地，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，在这N个动作中，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，更新模块，用于：基于第一智能体与第二智能体之间的M个联合动作的发生概率，N个联合动作的发生概率以及与第一状态对应的奖励值，确定目标损失，M个联合动作中的第j个联合动作用于令第一智能体以及第二智能体从第j个第三状态进入第一状态，j＝1，...，M，M≥1；基于目标损失，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型。
本申请实施例的第九方面提供了一种动作预测装置，该装置包括存储器和处理器；存储器存储有代码，处理器被配置为执行代码，当代码被执行时，动作预测装置执行如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第十方面提供了一种模型训练装置，该装置包括存储器和处理器；存储器存储有代码，处理器被配置为执行代码，当代码被执行时，模型训练装置执行如第三方面、第三方面中任意一种可能的实现方式、第四方面或第四方面中任意一种可能的实现方式所述的方法。
本申请实施例的第十一方面提供了一种电路系统，该电路系统包括处理电路，该处理电路配置为执行如第一方面、第一方面中的任意一种可能的实现方式、第二方面、第二方面中任意一种可能的实现方式、第三方面、第三方面中任意一种可能的实现方式、第四方面或第四方面中任意一种可能的实现方式所述的方法。
本申请实施例的第十二方面提供了一种芯片系统，该芯片系统包括处理器，用于调用存储器中存储的计算机程序或计算机指令，以使得该处理器执行如第一方面、第一方面中的任意一种可能的实现方式、第二方面、第二方面中任意一种可能的实现方式、第三方面、第三方面中任意一种可能的实现方式、第四方面或第四方面中任意一种可能的实现方式所述的方法。
在一种可能的实现方式中，该处理器通过接口与存储器耦合。
在一种可能的实现方式中，该芯片系统还包括存储器，该存储器中存储有计算机程序或计算机指令。
本申请实施例的第十三方面提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，该程序在由计算机执行时，使得计算机实施如第一方面、第一方面中的任意一种可能的实现方式、第二方面、第二方面中任意一种可能的实现方式、第三方面、第三方面中任意一种可能的实现方式、第四方面或第四方面中任意一种可能的实现方式所述的方法。
本申请实施例的第十四方面提供了一种计算机程序产品，该计算机程序产品存储有指令，该指令在由计算机执行时，使得计算机实施如第一方面、第一方面中的任意一种可能的实现方式、第二方面、第二方面中任意一种可能的实现方式、第三方面、第三方面中任意一种可能的实现方式、第四方面或第四方面中任意一种可能的实现方式所述的方法。
本申请实施例中，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，在这N个联合动作中，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
附图说明
图1为人工智能主体框架的一种结构示意图；
图2a为本申请实施例提供的视频处理系统的一个结构示意图；
图2b为本申请实施例提供的视频处理系统的另一结构示意图；
图2c为本申请实施例提供的视频处理的相关设备的一个示意图；
图3为本申请实施例提供的系统100架构的一个示意图；
图4为本申请实施例提供的生成流模型的一个结构示意图；
图5为本申请实施例提供的动作预测方法的一个流程示意图；
图6为本申请实施例提供的生成流模型的另一结构示意图；
图7为本申请实施例提供的动作预测方法的一个流程示意图；
图8为本申请实施例提供的生成流模型的另一结构示意图；
图9为本申请实施例提供的模型训练方法的一个流程示意图；
图10为本申请实施例提供的模型训练方法的一个流程示意图；
图11为本申请实施例提供的动作预测装置的一个结构示意图；
图12为本申请实施例提供的动作预测装置的另一结构示意图；
图13为本申请实施例提供的模型训练装置的一个结构示意图；
图14为本申请实施例提供的模型训练装置的另一结构示意图；
图15为本申请实施例提供的执行设备的一个结构示意图；
图16为本申请实施例提供的训练设备的一个结构示意图；
图17为本申请实施例提供的芯片的一个结构示意图。
具体实施方式
本申请实施例提供了一种动作预测方法及其相关设备，提供了一种新的动作预测方式，该方式预测得到的动作较为准确，可以使得智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
随着AI技术的飞速发展，神经网络模型被广泛应用于描述和解决智能体在与环境的交互过程中的动作策略选择，从而令智能体在执行相应的动作后能够实现回报最大化或实现特定目标。
目前，相关技术提供的神经网络模型，在确定某个智能体处于初始状态后，可对与该智能体的初始状态相关联的信息进行处理，从而预测出该智能体的动作，该智能体的动作用于令该智能体从初始状态进入终止状态。如此一来，该智能体可执行神经网络模型预测得到的动作，从而到达终止状态。例如，设智能体为自动驾驶场景中的车辆。当该车辆直行接近一个路口后，车辆检测到路口出现红灯(例如，车辆的摄像头拍摄到路口出现红灯)。此时，车辆行驶至出现红灯的路口可以视为车辆所处的初始状态。那么，车辆可将用于指示自身处于初始状态的信息(例如，摄像头拍摄到路口出现红灯的图像)输入到神经网络模型中，模型可对该信息进行分析，从而预测出车辆待执行的动作(例如，车辆停止行驶)，以使得车辆执行该动作，从而停靠在出现红灯的路口前，可视为车辆所处的终止状态。
上述过程中，神经网络模型在预测该智能体的动作时，仅考虑该智能体自身的信息，所考虑的因素较为单一，这种方式预测得到的动作不够准确(即不够贴合实际)，导致该智能体执行完预测得到的动作后，无法使回报最大化或实现特定目标。
为了解决上述问题，本申请实施例提供了一种动作预测方法，该方法可该方法可结合人工智能(artificial intelligence，AI)技术实现。AI技术是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能的技术学科，AI技术通过感知环境、获取知识并使用知识获得最佳结果。换句话说，人工智能技术是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。利用人工智能进行数据处理是人工智能常见的一个应用方式。
首先对人工智能系统总体工作流程进行描述，请参见图1，图1为人工智能主体框架的一种结构示意图，下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中，“智能信息链”反映从数据的获取到处理的一列过程。举例来说，可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中，数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程，反映人工智能为信息技术产业带来的价值。
(1)基础设施
基础设施为人工智能系统提供计算能力支持，实现与外部世界的沟通，并通过基础平台实现支撑。通过传感器与外部沟通；计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供；基础平台包括分布式计算框架及网络等相关的平台保障和支持，可以包括云存储和计算、互联互通网络等。举例来说，传感器和外部沟通获取数据，这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。
(2)数据
基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本，还涉及到传统设备的物联网数据，包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。
(3)数据处理
数据处理通常包括数据训练，机器学习，深度学习，搜索，推理，决策等方式。
其中，机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。
推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的信息进行机器思维和求解问题的过程，典型的功能是搜索与匹配。
决策是指智能信息经过推理后进行决策的过程，通常提供分类、排序、预测等功能。
(4)通用能力
对数据经过上面提到的数据处理后，进一步基于数据处理的结果可以形成一些通用的能力，比如可以是算法或者一个通用系统，例如，翻译，文本的分析，计算机视觉的处理，语音识别，图像的识别等等。
(5)智能产品及行业应用
智能产品及行业应用指人工智能系统在各领域的产品和应用，是对人工智能整体解决方案的封装，将智能信息决策产品化、实现落地应用，其应用领域主要包括：智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。
接下来介绍几种本申请的应用场景。
图2a为本申请实施例提供的动作预测系统的一个结构示意图，该动作预测系统包括智能体以及数据处理设备。其中，智能体包括机器人、车载设备或者无人机等智能终端。智能体为动作预测的发起端，作为动作预测请求的发起方，智能体可自行发起请求。
上述数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端的动作预测请求，再通过存储数据的存储器以及数据处理的处理器环节进行机器学习，深度学习，搜索，推理，决策等方式的信息处理。数据处理设备中的存储器可以是一个统称，包括本地存储以及存储历史数据的数据库，数据库可以在数据处理设备上，也可以在其它网络服务器上。
在图2a所示的动作预测系统中，智能体在与环境的交互过程中，智能体可获取自身的状态信息，然后向数据处理设备发起请求，使得数据处理设备针对智能体所得到的状态信息执行动作预测应用，从而得到智能体的动作的发生概率。例如，某个智能体可获取用于指示自身以及其余智能体处于某个状态的状态信息，并向数据处理设备发起针对该状态信息的处理请求。接着，数据处理设备可调用生成流模型对该状态信息进行处理，从而得到该智能体以及其余智能体之间的联合动作的发生概率，并将联合动作的发生概率返回给该智能体，联合动作可令该智能体以及其余智能体从该状态进入下一个状态，至此，则完成了针对该智能体的动作预测。由于联合动作由该智能体的独立动作以及其余智能体的独立动作构建，那么，该智能体可选择发生概率最大的联合动作，并执行该联合动作中包含的自身的独立动作，以进入下一个状态。又如，某个智能体可获取用于指示自身以及其余智能体处于某个状态的状态信息，并向数据处理设备发起针对该状态信息的处理请求。接着，数据处理设备可调用生成流模型对该状态信息进行处理，从而得到该智能体的独立动作的发生概率，并将独立动作的发生概率返回给该智能体，独立动作可令该智能体以及其余智能体从该状态进入下一个状态，至此，则完成了针对该智能体的动作预测。那么，该智能体可选择发生概率最大的独立动作，并执行该独立动作，以进入下一个状态。
在图2a中，数据处理设备可以执行本申请实施例的动作预测方法。
图2b为本申请实施例提供的动作预测系统的另一结构示意图，在图2b中，智能体自身可以完成动作预测，该智能体能够直接获取自身的状态信息并直接由智能体本身的硬件进行处理，具体过程与图2a相似，可参考上面的描述，在此不再赘述。
在图2b所示的动作预测系统中，例如，某个智能体可获取用于指示自身以及其余智能体处于某个状态的状态信息，并对该状态信息进行处理，从而得到该智能体以及其余智能体之间的联合动作的发生概率，联合动作可令该智能体以及其余智能体从该状态进入下一个状态，至此，则完成了针对该智能体的动作预测。由于联合动作由该智能体的独立动作以及其余智能体的独立动作构建，那么，该智能体可选择发生概率最大的联合动作，并执行该联合动作中包含的自身的独立动作，从而进入下一个状态。又如，某个智能体可获取用于指示自身以及其余智能体处于某个状态的状态信息，并调用生成流模型对该状态信息进行处理，从而得到该智能体的独立动作的发生概率，独立动作可令该智能体以及其余智能体从该状态进入下一个状态，至此，则完成了针对该智能体的动作预测。那么，该智能体可选择发生概率最大的独立动作，并执行该独立动作，以进入下一个状态。
在图2b中，智能体自身就可以执行本申请实施例的动作预测方法。
图2c为本申请实施例提供的动作预测的相关设备的一个示意图。
上述图2a和图2b中的智能体具体可以是图2c中的本地设备301或者本地设备302，图2a中的数据处理设备具体可以是图2c中的执行设备210，其中，数据存储系统250可以存储执行设备210的待处理数据，数据存储系统250可以集成在执行设备210上，也可以设置在云上或其它网络服务器上。
图2a和图2b中的处理器可以通过神经网络模型或者其它模型(例如，生成流模型)进行数据训练/机器学习/深度学习，并利用数据最终训练或者学习得到的模型针对智能体的状态信息完成动作预测应用，从而预测出智能体的动作。
图3为本申请实施例提供的系统100架构的一个示意图，在图3中，执行设备110配置输入/输出(input/output，I/O)接口112，用于与外部设备进行数据交互，客户设备140(即前述的智能体)向I/O接口112输入数据，所述输入数据在本申请实施例中可以包括：各个待调度任务、可调用资源以及其他参数。
在执行设备110对输入数据进行预处理，或者在执行设备110的计算模块111执行计算等相关的处理(比如进行本申请中神经网络的功能实现)过程中，执行设备110可以调用数据存储系统150中的数据、代码等以用于相应的处理，也可以将相应处理得到的数据、指令等存入数据存储系统150中。
最后，I/O接口112将处理结果返回给客户设备140。
值得说明的是，训练设备120可以针对不同的目标或称不同的任务，基于不同的训练数据生成相应的目标模型/规则，该相应的目标模型/规则即可以用于实现上述目标或完成上述任务，从而为用户提供所需的结果。其中，训练数据可以存储在数据库130中，且来自于数据采集设备160采集的训练样本。
在图3中所示情况下，用户可以手动给定输入数据，该手动给定可以通过I/O接口112提供的界面进行操作。另一种情况下，客户设备140可以自动地向I/O接口112发送输入数据，如果要求客户设备140自动发送输入数据需要获得用户的授权，则用户可以在客户设备140中设置相应权限。用户可以在客户设备140查看执行设备110输出的结果，具体的呈现形式可以是显示、声音、动作等具体方式。客户设备140也可以作为数据采集端，采集如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果作为新的样本数据，并存入数据库130。当然，也可以不经过客户设备140进行采集，而是由I/O接口112直接将如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果，作为新的样本数据存入数据库130。
值得注意的是，图3仅是本申请实施例提供的一种系统架构的示意图，图中所示设备、器件、模块等之间的位置关系不构成任何限制，例如，在图3中，数据存储系统150相对执行设备110是外部存储器，在其它情况下，也可以将数据存储系统150置于执行设备110中。如图3所示，可以根据训练设备120训练得到神经网络。
本申请实施例还提供的一种芯片，该芯片包括神经网络处理器NPU。该芯片可以被设置在如图3所示的执行设备110中，用以完成计算模块111的计算工作。该芯片也可以被设置在如图3所示的训练设备120中，用以完成训练设备120的训练工作并输出目标模型/规则。
神经网络处理器NPU，NPU作为协处理器挂载到主中央处理器(centralprocessing unit，CPU)(host CPU)上，由主CPU分配任务。NPU的核心部分为运算电路，控制器控制运算电路提取存储器(权重存储器或输入存储器)中的数据并进行运算。
在一些实现中，运算电路内部包括多个处理单元(process engine,PE)。在一些实现中，运算电路是二维脉动阵列。运算电路还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路是通用的矩阵处理器。
举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)中。
向量计算单元可以对运算电路的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。例如，向量计算单元可以用于神经网络中非卷积/非FC层的网络计算，如池化(pooling)，批归一化(batch normalization)，局部响应归一化(localresponse normalization)等。
在一些实现种，向量计算单元能将经处理的输出的向量存储到统一缓存器。例如，向量计算单元可以将非线性函数应用到运算电路的输出，例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元生成归一化的值、合并值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路的激活输入，例如用于在神经网络中的后续层中的使用。
统一存储器用于存放输入数据以及输出数据。
权重数据直接通过存储单元访问控制器(direct memory access controller，DMAC)将外部存储器中的输入数据搬运到输入存储器和/或统一存储器、将外部存储器中的权重数据存入权重存储器，以及将统一存储器中的数据存入外部存储器。
总线接口单元(bus interface unit，BIU)，用于通过总线实现主CPU、DMAC和取指存储器之间进行交互。
与控制器连接的取指存储器(instruction fetch buffer)，用于存储控制器使用的指令；
控制器，用于调用指存储器中缓存的指令，实现控制该运算加速器的工作过程。
一般地，统一存储器，输入存储器，权重存储器以及取指存储器均为片上(On-Chip)存储器，外部存储器为该NPU外部的存储器，该外部存储器可以为双倍数据率同步动态随机存储器(double data rate synchronous dynamic random access memory，DDRSDRAM)、高带宽存储器(high bandwidth memory，HBM)或其他可读可写的存储器。
由于本申请实施例涉及大量神经网络的应用，为了便于理解，下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的，神经单元可以是指以xs和截距1为输入的运算单元，该运算单元的输出可以为：
Figure BDA0003869931020000131
其中，s＝1、2、……n，n为大于1的自然数，Ws为xs的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。
神经网络中的每一层的工作可以用数学表达式y＝a(Wx+b)来描述：从物理层面神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操作，完成输入空间到输出空间的变换(即矩阵的行空间到列空间)，这五种操作包括：1、升维/降维；2、放大/缩小；3、旋转；4、平移；5、“弯曲”。其中1、2、3的操作由Wx完成，4的操作由+b完成，5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类的对象并不是单个事物，而是一类事物，空间是指这类事物所有个体的集合。其中，W是权重向量，该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着上文所述的输入空间到输出空间的空间变换，即每一层的权重W控制着如何变换空间。训练神经网络的目的，也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。因此，神经网络的训练过程本质上就是学习控制空间变换的方式，更具体的就是学习权重矩阵。
因为希望神经网络的输出尽可能的接近真正想要预测的值，所以可以通过比较当前网络的预测值和真正想要的目标值，再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然，在第一次更新之前通常会有初始化的过程，即为神经网络中的各层预先配置参数)，比如，如果网络的预测值高了，就调整权重向量让它预测低一些，不断的调整，直到神经网络能够预测出真正想要的目标值。因此，就需要预先定义“如何比较预测值和目标值之间的差异”，这便是损失函数(loss function)或目标函数(objective function)，它们是用于衡量预测值和目标值的差异的重要方程。其中，以损失函数举例，损失函数的输出值(loss)越高表示差异越大，那么神经网络的训练就变成了尽可能缩小这个loss的过程。
(2)反向传播算法
神经网络可以采用误差反向传播(back propagation，BP)算法在训练过程中修正初始的神经网络模型中参数的大小，使得神经网络模型的重建误差损失越来越小。具体地，前向传递输入信号直至输出会产生误差损失，通过反向传播误差损失信息来更新初始的神经网络模型中参数，从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动，旨在得到最优的神经网络模型的参数，例如权重矩阵。
(3)生成流模型(generative flow networks，GFlowNets)
生成流模型通常指以有向无环图的形式进行构建得到的模型，即每一个状态节点有至少一个父状态节点，这与树结构中每个状态节点仅有唯一父状态节点不同。生成流模型有唯一初始状态节点以及多个终止状态节点。生成流模型从初始状态节点开始预测动作，从而完成不同状态之间的转移，直至到达终止状态节点。
初始状态节点可以包括输出流量，中间状态节点可以包括输入流量、输出流量以及预设的奖励值，终止节点可以包括输入流量以及预设的奖励值。具体地，可以将生成流模型想象成水管，初始状态节点的输出流量为整个生成流模型的总流入，所有终止状态节点的输入流量之和为整个生成流模型的总流出。对于每一个中间状态节点，输入流量等于输出流量。每个中间状态节点的输入流量和输出流量用神经网络来预测，最终可以预测出每个终止状态节点的输入流量。
例如，如图4所示(图4为本申请实施例提供的生成流模型的一个结构示意图)，在生成流模型中，si代表状态节点(i＝0,...，11)，xj代表复合结构(j＝3，4，6，10,11)。s0为初始状态节点，s10和s11为终止状态节点，x3、x4、x6、x10以及x11为复合结构，复合结构中设置有奖励值。其中，初始状态节点S0的输出流量等于中间状态节点S1的输入流量以及中间状态节点S2的输入流量之和，...，终止状态节点S10的输入流量等于中间状态节点S7的输出流量以及中间状态节点S8的输出流量之和，终止状态节点S11的输入流量等于中间状态节点S9的输出流量之和。
下面从神经网络的训练侧和神经网络的应用侧对本申请提供的方法进行描述。
本申请实施例提供的模型训练方法，涉及数据序列的处理，具体可以应用于数据训练、机器学习、深度学习等方法，对训练数据(例如，本申请实施例提供的模型训练方法中的第一智能体的状态信息等等)进行符号化和形式化的智能信息建模、抽取、预处理、训练等，最终得到训练好的神经网络(如本申请实施例提供的模型训练方法中的生成流模型)；并且，本申请实施例提供的动作预测方法可以运用上述训练好的神经网络，将输入数据(例如，将本申请实施例提供的动作预测方法中的第一智能体的状态信息等等)输入到所述训练好的神经网络中，得到输出数据(如本申请实施例提供的动作预测方法中的第一智能体与第二智能体之间的N个联合动作的发生概率或第一智能体的N个动作的发生概率等等)。需要说明的是，本申请实施例提供的模型训练方法和动作预测方法是基于同一个构思产生的发明，也可以理解为一个系统中的两个部分，或一个整体流程的两个阶段：如模型训练阶段和模型应用阶段。
需要说明的是，本申请实施例提供的动作预测方法可应用于多种场景中，该方法中所涉及的智能体、动作以及状态等概念随着应用场景的改变而改变，例如，在自动驾驶场景中，某个车辆可以依据自身以及其余车辆当前在交通环境中所处的驾驶状态，预测自身的下一驾驶动作并执行该驾驶动作，以改变自身以及其余车辆在交通环境中的驾驶状态。又如，在供应链场景中，某个机器人可以依据自身以及其余机器人当前在车间中所处的运输状态，预测自身的下一运输方向并以这些方向前进，以改变自身以及其余机器人在车间中的运输状态。又如，在广告推荐场景中，广告商可以依据自身当前为用户所推荐的广告内容，预测广告内容之间的切换并执行该切换，以改变自身为用户所推荐的广告内容。又如，在游戏场景中，某个游戏玩家可以依据自身以及其余游戏玩家在虚拟游戏环境中所处的竞技状态，预测自身的下一个操作并执行该操作，以改变自身以及其余游戏玩家在虚拟游戏环境中的竞技状态等等。下文结合图5对本申请实施例供的动作预测方法做进一步的介绍，图5为本申请实施例提供的动作预测方法的一个流程示意图，如图5所示，该方法包括：
501、获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态。
本实施例中，设环境中存在第一智能体以及第二智能体，第一智能体和第二智能体是相关联的两个智能体(即这两个智能体的独立动作会相互影响)，且两个智能体会不断地与环境发生交互，即在环境中执行各种独立动作，从而改变两个智能体在环境中的状态。需要说明的是，第一智能体可以自行来预测第一智能体的独立动作，并执行该独立动作，从而不断改变第一智能体在环境中的状态。同样地，第二智能体也是如此。由于第一智能体和第二智能体执行的预测操作是类似的，为了便于介绍，下文以第一智能体为例进行示意性介绍：
假设第一智能体以及第二智能体在环境中处于第一状态(第一状态既可以是生成流模型中的初始状态(节点)，也可以是某一个中间状态(节点))，第一智能体可从此时的环境中采集自身的状态信息，该状态信息可用于指示第一智能体以及第二智能体处于第一状态。其中，第一智能体的状态信息可以是第一智能体处于第一状态时所采集的信息，该信息可以是第一智能体通过摄像头拍摄的图像，也可以是第一智能体通过摄像头拍摄的视频，也可以是第一智能体通过麦克风收集的音频，也可以是第一智能体生成的文本等等。
例如，设第一智能体和第二智能体分别为自动驾驶场景中的车辆1以及车辆2，车辆1和车辆2在相邻的两个车道上各自直行，且到达了某一个路口。为了预测车辆1到达该路口时所要执行的独立动作以及车辆2到达该路口时所要执行的独立动作，车辆1可在此时拍摄一张照片，该照片内容显示有即将到达的路口以及旁边直行的车辆2。可见，该照片用于指示车辆1和车辆到达该路口(即车辆1和车辆2处于初始状态S0)。
502、通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作，i＝1，...，N，N≥1。
第一智能体得到自身的状态信息后，可将自身的状态信息输入至设于自身的生成流模型中，以通过生成流模型对自身的状态信息进行处理(例如，一系列特征提取处理等等)，从而得到第一智能体与第二智能体之间的N个联合动作的发生概率(N为大于或等于1的正整数)。
其中，对于这N个联合动作中的任意一个联合动作而言，即对于第i个联合动作而言，第i个联合动作用于令第一智能体和第二智能体在环境中从第一状态进入第i个第二状态(第二状态也可以理解为在生成流模型中，第一状态的后一状态)，第i个联合动作由第一智能体的N个独立动作中的第i个独立动作和第二智能体的N个独立动作中的第i个独立动作构建。可以理解的是，对于第i个联合动作而言，第i个联合动作的发生概率也就是第一智能体的N个独立动作中的第i个独立动作的发生概率，也就是第二智能体的N个独立动作中的第i个独立动作的发生概率。至此，第一智能体则完成了针对第一状态的动作预测，i＝1，...，N。
如此一来，第一智能体可在N个联合动作中，选择发生概率最大的联合动作，并执行该联合动作所包含的第一智能体的独立动作，以进入N个第二状态中的某一个第二状态。至此，第一智能体则完成了针对第一状态的动作执行。
此后，由于第一智能体和第二智能体在环境中处于某个第二状态，第一智能体可从环境中采集新的状态信息，新的状态信息用于指示第一智能体和第二智能体在环境中处于该第二状态，第一智能体可通过自身的生成流模型对新的状态信息进行处理，从而完成针对该第二状态的动作预测以及针对该第二状态的动作执行(该过程可参考针对第一状态的动作预测以及针对第一状态的动作执行的相关说明，此处不做赘述)，直至进入某个终止状态，才停止动作预测以及动作执行。
依旧如上述例子，如图6所示(图6为本申请实施例提供的生成流模型的另一结构示意图)，车辆1将其拍摄到的照片输入至车辆1的生成流模型后，该生成流模型可基于该照片，可确定车辆1和车辆2处于初始状态节点S0(即车辆1和车辆2处于初始状态S0)，那么，生成流模型可对该照片进行处理，从而得到车辆1和车辆2之间的联合动作a1a2的流量(也可以称为联合动作a1a2的发生概率)，以及车辆1和车辆2之间的联合动作a2a2的流量。
其中，联合动作a1a2由车辆1的独立动作a1(例如，在路口处左拐)和车辆2的独立动作a2(例如，在路口处直行)构成，联合动作a2a2由车辆1的独立动作a2和车辆2的独立动作a2构成，联合动作a1a2用于令车辆1和车辆2从初始状态节点S0直接进入中间状态节点S1(也可以称为联合动作a1a2从初始状态节点S0流出，并流入中间状态节点S1)，联合动作a2a2用于令车辆1和车辆2从初始状态节点S0直接进入中间状态节点S2。此外，联合动作a1a2的流量以及联合动作a2a2的流量之和即为初始状态节点S0的输出流量，联合动作a1a2的流量为中间状态节点S1的输入流量，联合动作a2a2的流量即为中间状态节点S2的输入流量。
设联合动作a1a2的流量大于联合动作a2a2的流量，那么，车辆1可选择联合动作a1a2，并将联合动作a1a2的流量视为独立动作a1的流量，并执行独立动作a1，即在路口处左拐。同样地，车辆2也会执行如同车辆1的行为预测，并最终执行独立动作a2，即在路口处直行。可见，车辆1和车辆2此时共同处于中间状态S1(即车辆1在路口处左拐，且车辆2在路口处直行)。
车辆1和车辆2处于中间状态S1后，车辆1可拍摄新的照片，该照片用于指示车辆1和车辆2处于中间状态S1。那么，车辆1将新的照片输入至车辆1的生成流模型后，生成流模型可对该照片进行处理，从而得到车辆1和车辆2之间的联合动作a3a4的流量(也可以称为联合动作a3a4的发生概率)。
其中，联合动作a3a4由车辆1的独立动作a3和车辆2的独立动作a4构成，联合动作a3a4用于令车辆1和车辆2从中间状态节点S1直接进入中间状态节点S3。此外，联合动作a3a4的流量为中间状态节点S1的输出流量，联合动作a3a4的流量为中间状态节点S3的输入流量。
由于联合动作a3a4的流量最大，那么，车辆1可执行独立动作a3。同样地，车辆2也会执行如同车辆1的行为预测，并最终执行独立动作a4。可见，车辆1和车辆2此时共同处于中间状态S3。
以此类推，直至车辆1和车辆2处于某个终止状态节点。比如，车辆1和车辆2从中间状态节点S3继续进行状态转移(即进行动作预测以及动作执行)，经过中间状态节点S7、中间状态节点S10，最终到达终止状态节点S13，不再进行状态转移。
应理解，本实施例中，第一智能体的独立动作可以理解为第一智能体的动作，同理，第二智能体的独立动作可以理解为第二智能体的动作。
还应理解，本实施例仅以两个智能体为例进行示意性介绍，本申请提供的方法还可应用于更多数量的智能体的动作预测以及动作执行中，例如，三个智能体、四个智能体、五个智能体等等，此处不做限制。
本申请实施例中，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，在这N个联合动作中，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
图7为本申请实施例提供的动作预测方法的一个流程示意图，如图7所示，该方法包括：
701、获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态。
关于步骤701的介绍，可参考图5所示实施例中步骤501的相关说明部分，此处不再赘述。
702、通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，i＝1，...，N，N≥1。
第一智能体得到自身的状态信息后，可将自身的状态信息输入至设于自身的生成流模型中，以通过生成流模型对自身的状态信息进行处理(例如，一系列特征提取处理等等)，从而得到第一智能体的N个独立动作的发生概率(N为大于或等于1的正整数)。
其中，对于这N个独立动作中的任意一个独立动作而言，即对于第i个独立动作而言，第i个独立动作用于令第一智能体和第二智能体在环境中从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测，i＝1，...，N。
如此一来，第一智能体可在N个独立动作中，选择发生概率最大的独立动作，并执行该独立动作，以进入N个第二状态中的某一个第二状态。至此，第一智能体则完成了针对第一状态的动作执行。
此后，由于第一智能体和第二智能体在环境中处于某个第二状态，第一智能体可从环境中采集新的状态信息，新的状态信息用于指示第一智能体和第二智能体在环境中处于该第二状态，第一智能体可通过自身的生成流模型对新的状态信息进行处理，从而完成针对该第二状态的动作预测以及针对该第二状态的动作执行(该过程可参考针对第一状态的动作预测以及针对第一状态的动作执行的相关说明，此处不做赘述)，直至进入某个终止状态，才停止动作预测以及动作执行。
依旧如上述例子，如图8所示(图8为本申请实施例提供的生成流模型的另一结构示意图)，车辆1将其拍摄到的照片输入至车辆1的生成流模型后，该生成流模型可基于该照片，可确定车辆1和车辆2处于初始状态节点S0(即车辆1和车辆2处于初始状态S0)，那么，生成流模型可对该照片进行处理，从而得到车辆1的独立动作a1的流量(也可以称为独立动作a1的发生概率)，以及车辆1的独立动作a2的流量。
其中，车辆1的独立动作a1用于令车辆1和车辆2从初始状态节点S0直接进入中间状态节点S1(也可以称为车辆1的独立动作a1从初始状态节点S0流出，并流入中间状态节点S1)，车辆1的独立动作a2用于令车辆1和车辆2从初始状态节点S0直接进入中间状态节点S2。此外，车辆1的独立动作a1的流量以及车辆1的独立动作a2的流量之和即为初始状态节点S0的输出流量，车辆1的独立动作a1的流量为中间状态节点S1的输入流量，车辆1的独立动作a2的流量即为中间状态节点S2的输入流量。
设车辆1的独立动作a1的流量大于车辆1的独立动作a2的流量，那么，车辆1可选择独立动作a1，并执行独立动作a1。同样地，车辆2也会执行如同车辆1的行为预测，并最终执行车辆2的独立动作a2。可见，车辆1和车辆2此时共同处于中间状态S1。
车辆1和车辆2处于中间状态S1后，车辆1可拍摄新的照片，该照片用于指示车辆1和车辆2处于中间状态S1。那么，车辆1将新的照片输入至车辆1的生成流模型后，生成流模型可对该照片进行处理，从而得到车辆1的独立动作a3的流量(也可以称为车辆1的独立动作a3的发生概率)。
其中，车辆1的独立动作a3用于令车辆1和车辆2从中间状态节点S1直接进入中间状态节点S3。此外，车辆1的独立动作a3的流量为中间状态节点S1的输出流量，车辆1的独立动作a3的流量为中间状态节点S3的输入流量。
由于车辆1的独立动作a3的流量最大，那么，车辆1可执行车辆1的独立动作a3。同样地，车辆2也会执行如同车辆1的行为预测，并最终执行车辆2的独立动作a4。可见，车辆1和车辆2此时共同处于中间状态S3。
以此类推，直至车辆1和车辆2处于某个终止状态节点。比如，车辆1和车辆2从中间状态节点S3继续进行状态转移(即进行独立动作预测以及独立动作执行)，经过中间状态节点S7、中间状态节点S10，最终到达终止状态节点S13，不再进行状态转移。
应理解，本实施例中，第一智能体的独立动作可以理解为第一智能体的动作，同理，第二智能体的独立动作可以理解为第二智能体的动作。
还应理解，本实施例仅以两个智能体为例进行示意性介绍，本申请提供的方法还可应用于更多数量的智能体的动作预测以及动作执行中，例如，三个智能体、四个智能体、五个智能体等等，此处不做限制。
本申请实施例中，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，在这N个动作中，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
以上是对本申请实施例提供的动作预测方法所进行的详细说明，以下将对本申请实施例提供的模型训练方法进行介绍。图9为本申请实施例提供的模型训练方法的一个流程示意图，如图9所示，该方法包括：
901、获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态。
本实施例中，当需要对待训练模型(即需要训练的神经网络模型)进行训练时，可获取一批训练数据，该批训练数据包含第一智能体的状态信息，且该状态信息用于指示第一智能体和第二智能体处于第一状态(通常指待训练模型中的某个中间状态)。需要说明的是，与第一状态对应的的奖励值是已知的。
在一种可能实现的方式中，第一智能体的状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
关于步骤901的介绍，可参考图5所示实施例中步骤501的相关说明部分，此处不再赘述。
902、通过待训练流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，N个联合动作中的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作，i＝1，...，N。
得到第一智能体的状态信息后，第一智能体可将自身的状态信息输入至自身的生成流模型，以通过待训练模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率(下文将这N个联合动作称为从第一状态流出的N个联合动作)，从第一状态流出的N个联合动作中，从第一状态流出的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，从第一状态流出的第i个联合动作包含第一智能体的N个独立动作中的第i个独立动作和第二智能体的N个独立动作中的第i个独立动作，i＝1，...，N。
关于步骤902的介绍，可参考图5所示实施例中步骤502的相关说明部分，此处不再赘述。
903、基于N个联合动作的发生概率，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
在得到从第一状态流出的N个联合动作的发生概率后，第一智能体还可获取流入第一状态的M个联合动作的发生概率(即第一智能体与第二智能体之间的M个联合动作，M为大于或等于1的正整数)。需要说明的是，流入第一状态的M个联合动作中，流入第一状态的第j个联合动作是通过待训练模型对第一智能体的j个先前状态信息分别进行处理得到，第一智能体的j个先前状态信息用于指示第一智能体以及第二智能体处于第j个第三状态(即在待训练模型中，第一状态的前一状态)，由此可见，流入第一状态的第j个联合动作用于令第一智能体和第二智能体从第j个第三状态进入第一状态，j＝1，...，M。
那么，可通过预置的损失函数(以流匹配为约束目标)对流入第一状态的的M个联合动作的发生概率，从第一状态流出的N个联合动作的发生概率以及与第一状态对应的奖励值(例如，该奖励值为0)进行计算，从而得到第一状态对应的损失，该损失用于指示流入第一状态的的M个联合动作的发生概率之和与从第一状态流出的N个联合动作的发生概率之和之间的差异。
由于第一状态为待训练模型中的某一个中间状态，对于待训练模型中的其余中间状态，第一智能体也可以对其余中间状态执行如同对第一状态所执行的操作，故最终可以得到所有中间状态对应的损失(包含第一状态对应的损失)。
值得注意的是，对于待训练模型中的任意一个终止状态，可通过预置的损失函数对流入该终止状态的所有联合动作的发生概率以及该终止状态对应的奖励值(是已知的，且通常不为0)进行计算，从而得到该终止状态对应的损失(该损失用于指示流入该终止状态的所有联合动作的发生概率之和与该终止状态对应的奖励值之间的差异)。对于待训练模型中的其余终止状态，第一智能体也可以对其余终止状态执行如同对该终止状态所执行的操作，故最终可以得到所有终止状态对应的损失。
那么，可将所有中间状态对应的损失以及所有终止状态对应的损失进行叠加，从而得到目标损失。
例如，依旧如图6所示的例子，对于生成流模型中除初始状态节点之外的任意一个状态节点，该状态节点的输入流量为：
Figure BDA0003869931020000211
上式中，sk为该状态节点，aai为流入该状态节点sk的第i个联合动作，F(sk,aai)为流入该状态节点sk的第i个联合动作的流量，N为流入该状态节点sk的所有联合动作的数量。例如，中间状态节点S3的输入流量为联合动作a3a4的流量以及联合动作a4a4的流量之和，终止状态节点S10的输入流量为联合动作a9a10的流量以及联合动作a10a10的流量之和。
该状态节点的输入流量为：
Figure BDA0003869931020000212
上式中，aa′j为从该状态节点sk流出的第j个联合动作，F(sk,aa′j)为从该状态节点sk流出的第j个联合动作的流量，M为从该状态节点sk流出的所有联合动作的数量。例如，中间状态节点S3的输出流量为联合动作a5a6的流量，中间状态节点S5的输出流量为联合动作a7a8的流量以及联合动作a8a8的流量之和，终止状态节点S10不存在输出流量。
除初始状态节点之外的所有状态节点的损失之和，即目标损失为：
Figure BDA0003869931020000213
上式中，R(sk)为该状态节点sk的奖励值，P为除初始状态节点之外的所有状态节点的数量，若该状态节点sk为中间状态节点，则R(sk)为0，若该状态节点sk为终止状态节点，则
Figure BDA0003869931020000221
为0。
得到目标损失后，可基于目标损失，对待训练模型的参数进行更新，并利用下一批训练数据对参数更新后的待训练模型继续进行训练，直至满足模型训练条件(例如，目标损失收敛等等)，可得到图5所示实施例中的生成流模型。
本申请实施例训练得到生成流模型，具备预测智能体动作的功能。具体地，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，在这N个联合动作中，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
图10为本申请实施例提供的模型训练方法的一个流程示意图，如图10所示，该方法包括：
1001、获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态。
本实施例中，当需要对第一智能体的待训练模型(即第一智能体中需要训练的神经网络模型)进行训练时，可获取一批训练数据，该批训练数据包含第一智能体的状态信息，且该状态信息用于指示第一智能体和第二智能体处于第一状态(通常指待训练模型中的某个中间状态)。需要说明的是，与第一状态对应的的奖励值是已知的。
在一种可能实现的方式中，第一智能体的状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
关于步骤1001的介绍，可参考图7所示实施例中步骤701的相关说明部分，此处不再赘述。
1002、通过第一智能体的待训练模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，N≥1。
得到第一智能体的状态信息后，第一智能体可将自身的状态信息输入至自身的生成流模型，以通过待训练模型对状态信息进行处理，得到第一智能体的N个独立动作的发生概率(下文将第一智能体的N个独立动作称为第一智能体的从第一状态流出的N个独立动作)，第一智能体的从第一状态流出的N个独立动作中，第一智能体的从第一状态流出的第i个独立动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，i＝1，...，N。
关于步骤1002的介绍，可参考图7所示实施例中步骤702的相关说明部分，此处不再赘述。
1003、基于第一智能体的N个动作的发生概率以及第二智能体的N个动作的发生概率，确定第一智能体与第二智能体之间的N个联合动作的发生概率，第二智能体的N个动作通过第二智能体的待训练模型获取，N个联合动作中的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。
1004、基于N个联合动作的发生概率，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型。
在得到第一智能体的从第一状态流出的N个独立动作的发生概率后，第一智能体还可从第二智能体处获取第二智能体的从第一状态流出的N个独立动作的发生概率，第二智能体的从第一状态流出的N个独立动作的发生概率通过第二智能体的待训练模型获取(该过程可参考步骤1002，此处不再赘述)，第二智能体的从第一状态流出的N个联合动作中，第二智能体的从第一状态流出的第i个独立动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。
接着，第一智能体可对第一智能体的从第一状态流出的N个独立动作的发生概率以及第二智能体的从第一状态流出的N个独立动作的发生概率进行计算，从而得到从第一状态流出的N个联合行为的发生概率，从第一状态流出的N个联合动作中，从第一状态流出的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。
然后，第一智能体还可获取流入第一状态的M个联合动作的发生概率(即第一智能体与第二智能体之间的M个联合动作，M为大于或等于1的正整数)。需要说明的是，流入第一状态的M个联合动作的发生概率是基于第一智能体的流入第一状态的M个独立动作的发生概率以及第二智能体的流入第一状态的M个独立动作的发生概率得到的(这些概率的来源可参考上述过程，此处不再赘述)，由此可见，流入第一状态的第j个联合动作用于令第一智能体和第二智能体从第j个第三状态(即在待训练模型中，第一状态的前一状态)进入第一状态，j＝1，...，M。
那么，第一智能体可通过预置的损失函数(以流匹配为约束目标)对流入第一状态的的M个联合动作的发生概率，从第一状态流出的N个联合动作的发生概率以及与第一状态对应的奖励值(例如，该奖励值为0)进行计算，从而得到第一状态对应的损失，该损失用于指示流入第一状态的的M个联合动作的发生概率之和与从第一状态流出的N个联合动作的发生概率之和之间的差异。
由于第一状态为待训练模型中的某一个中间状态，对于待训练模型中的其余中间状态，第一智能体也可以对其余中间状态执行如同对第一状态所执行的操作，故最终可以得到所有中间状态对应的损失(包含第一状态对应的损失)。
值得注意的是，对于待训练模型中的任意一个终止状态，可通过预置的损失函数对流入该终止状态的所有联合动作的发生概率以及该终止状态对应的奖励值(是已知的，且通常不为0)进行计算，从而得到该终止状态对应的损失(该损失用于指示流入该终止状态的所有联合动作的发生概率之和与该终止状态对应的奖励值之间的差异)。对于待训练模型中的其余终止状态，第一智能体也可以对其余终止状态执行如同对该终止状态所执行的操作，故最终可以得到所有终止状态对应的损失。
那么，可将所有中间状态对应的损失以及所有终止状态对应的损失进行叠加，从而得到目标损失。
例如，依旧如图8所示的例子，对于生成流模型中除初始状态节点之外的任意一个状态节点，该状态节点的输入流量为：
Figure BDA0003869931020000241
Figure BDA0003869931020000242
上式中，sk为该状态节点，Ft(sk,ai)为第t个智能体的流入该状态节点sk的第i个独立动作的流量，Q为智能体的数量，F(sk,aai)为流入该状态节点sk的第i个联合动作的流量，A为常数，F(sk)为该状态节点sk的输入流量。例如，对于中间状态节点S3而言，联合动作a3a4的流量由车辆1的独立动作a3的流量以及车辆2的独立动作a4的流量计算得到，联合动作a4a4的流量由车辆1的独立动作a4的流量以及车辆2的独立动作a4的流量计算得到，中间状态节点S3的输入流量为联合动作a3a4的流量以及联合动作a4a4的流量之和。
Figure BDA0003869931020000243
Figure BDA0003869931020000244
上式中，Ft(sk,a′j)为第t个智能体的从该状态节点sk流出的第j个独立动作的流量，F(sk,aa′j)为从该状态节点sk流出的第j个联合动作的流量，B为常数。例如，对于中间状态节点S3而言，联合动作a5a6的流量由车辆1的独立动作a5的流量以及车辆2的独立动作a6的流量计算得到，中间状态节点S3的输出流量为联合动作a5a6的流量。
除初始状态节点之外的所有状态节点的损失之和，即目标损失如公式(4)所示。
得到目标损失后，可基于目标损失，对第一智能体的待训练模型的参数进行更新，并利用下一批训练数据对参数更新后的待训练模型继续进行训练，直至满足模型训练条件(例如，目标损失收敛等等)，可得到图7所示实施例中第一智能体的生成流模型。
本申请实施例训练得到的生成流模型，具备预测智能体动作的功能。具体地，第一智能体获取用于指示第一智能体以及第二智能体处于第一状态的状态信息后，可通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，在这N个动作中，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态。至此，第一智能体则完成了针对第一状态的动作预测。前述过程中，由于第一智能体的状态信息指示了与第一智能体与第二智能体相关的信息，故生成流模型在基于该状态信息预测第一智能体的动作时，不仅考虑了第一智能体自身的信息，还考虑了第二智能体自身的信息以及两个智能体之间的关系，所考虑的因素较为全面，这种新的方式预测得到的动作较为准确(较为贴合实际)，可以使得第一智能体执行完预测的动作后，获取最大化的回报或实现特定目标。
以上是对本申请实施例提供的模型训练方法所进行的详细说明，以下将对本申请实施例提供的动作预测装置以及模型训练装置进行介绍。图11为本申请实施例提供的动作预测装置的一个结构示意图，如图11所示，该装置包括：
获取模块1101，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；
处理模块1102，用于通过生成流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作，i＝1，...，N，N≥1。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，处理模块1102，用于：从N个联合动作中选择发生概率最大的联合动作；执行发生概率最大的联合动作所包含的第一智能体的动作。
图12为本申请实施例提供的动作预测装置的另一结构示意图，如图12所示，该装置包括：
获取模块1201，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；
处理模块1202，用于通过生成流模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，第i个动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，i＝1，...，N，N≥1。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，处理模块1202，用于：从N个动作中，选择发生概率最大的动作；执行发生概率最大的动作。
图13为本申请实施例提供的模型训练装置的一个结构示意图，如图13所示，该装置包括：
获取模块1301，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；
处理模块1302，用于通过待训练流模型对状态信息进行处理，得到第一智能体与第二智能体之间的N个联合动作的发生概率，N个联合动作中的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态，第i个联合动作包含第一智能体的动作和第二智能体的动作，i＝1，...，N；
更新模块1303，用于基于N个联合动作的发生概率，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，更新模块1303，用于：基于第一智能体与第二智能体之间的M个联合动作的发生概率，N个联合动作的发生概率以及与第一状态对应的奖励值，确定目标损失，M个联合动作中的第j个联合动作用于令第一智能体以及第二智能体从第j个第三状态进入第一状态，j＝1，...，M，M≥1；基于目标损失，对待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
图14为本申请实施例提供的模型训练装置的另一结构示意图，如图14所示，该装置包括：
获取模块1401，用于获取第一智能体的状态信息，状态信息用于指示第一智能体和第二智能体处于第一状态；
第一处理模块1402，用于通过第一智能体的待训练模型对状态信息进行处理，得到第一智能体的N个动作的发生概率，N≥1；
第二处理模块1403，用于基于第一智能体的N个动作的发生概率以及第二智能体的N个动作的发生概率，确定第一智能体与第二智能体之间的N个联合动作的发生概率，第二智能体的N个动作通过第二智能体的待训练模型获取，N个联合动作中的第i个联合动作用于令第一智能体和第二智能体从第一状态进入第i个第二状态；
更新模块1404，用于基于N个联合动作的发生概率，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型。
在一种可能实现的方式中，状态信息为第一智能体处于第一状态时所采集的信息，信息包含以下至少一项：图像、视频、音频或文本。
在一种可能实现的方式中，更新模块1404，用于：基于第一智能体与第二智能体之间的M个联合动作的发生概率，N个联合动作的发生概率以及与第一状态对应的奖励值，确定目标损失，M个联合动作中的第j个联合动作用于令第一智能体以及第二智能体从第j个第三状态进入第一状态，j＝1，...，M，M≥1；基于目标损失，对第一智能体的待训练模型的参数进行更新，直至满足模型训练条件，得到第一智能体的生成流模型。
需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参考本申请实施例前述所示的方法实施例中的叙述，此处不再赘述。
本申请实施例还涉及一种执行设备，图15为本申请实施例提供的执行设备的一个结构示意图。如图15所示，执行设备1500具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等，此处不做限定。其中，执行设备1500上可部署有图11或图12对应实施例中所描述的动作预测装置，用于实现图5或图7对应实施例中动作预测的功能。具体的，执行设备1500包括：接收器1501、发射器1502、处理器1503和存储器1504(其中执行设备1500中的处理器1503的数量可以一个或多个，图15中以一个处理器为例)，其中，处理器1503可以包括应用处理器15031和通信处理器15032。在本申请的一些实施例中，接收器1501、发射器1502、处理器1503和存储器1504可通过总线或其它方式连接。
存储器1504可以包括只读存储器和随机存取存储器，并向处理器1503提供指令和数据。存储器1504的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器1504存储有处理器和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。
处理器1503控制执行设备的操作。具体的应用中，执行设备的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1503中，或者由处理器1503实现。处理器1503可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1503中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1503可以是通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器，还可进一步包括专用集成电路(application specific integratedcircuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1503可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1504，处理器1503读取存储器1504中的信息，结合其硬件完成上述方法的步骤。
接收器1501可用于接收输入的数字或字符信息，以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1502可用于通过第一接口输出数字或字符信息；发射器1502还可用于通过第一接口向磁盘组发送指令，以修改磁盘组中的数据；发射器1502还可以包括显示屏等显示设备。
本申请实施例中，在一种情况下，处理器1503，用于通过图5或图7对应实施例中的生成流模型，对智能体的行为进行预测。
本申请实施例还涉及一种训练设备，图16为本申请实施例提供的训练设备的一个结构示意图。如图16所示，训练设备1600由一个或多个服务器实现，训练设备1600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessing units，CPU)1614(例如，一个或一个以上处理器)和存储器1632，一个或一个以上存储应用程序1642或数据1644的存储介质1630(例如一个或一个以上海量存储设备)。其中，存储器1632和存储介质1630可以是短暂存储或持久存储。存储在存储介质1630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对训练设备中的一系列指令操作。更进一步地，中央处理器1614可以设置为与存储介质1630通信，在训练设备1600上执行存储介质1630中的一系列指令操作。
训练设备1600还可以包括一个或一个以上电源1626，一个或一个以上有线或无线网络接口1650，一个或一个以上输入输出接口1658；或，一个或一个以上操作系统1641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
具体的，训练设备可以执行图9或图10对应实施例中的模型训练方法。
本申请实施例还涉及一种计算机存储介质，该计算机可读存储介质中存储有用于进行信号处理的程序，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。
本申请实施例还涉及一种计算机程序产品，该计算机程序产品存储有指令，该指令在由计算机执行时使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使执行设备内的芯片执行上述实施例描述的数据处理方法，或者，以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。
具体的，请参阅图17，图17为本申请实施例提供的芯片的一个结构示意图，所述芯片可以表现为神经网络处理器NPU 1700，NPU 1700作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路1703，通过控制器1704控制运算电路1703提取存储器中的矩阵数据并进行乘法运算。
在一些实现中，运算电路1703内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路1703是二维脉动阵列。运算电路1703还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路1703是通用的矩阵处理器。
举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器1702中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器1701中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)1708中。
统一存储器1706用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)1705，DMAC被搬运到权重存储器1702中。输入数据也通过DMAC被搬运到统一存储器1706中。
BIU为Bus Interface Unit即，总线接口单元1713，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)1709的交互。
总线接口单元1713(Bus Interface Unit，简称BIU)，用于取指存储器1709从外部存储器获取指令，还用于存储单元访问控制器1705从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1706或将权重数据搬运到权重存储器1702中或将输入数据数据搬运到输入存储器1701中。
向量计算单元1707包括多个运算处理单元，在需要的情况下，对运算电路1703的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如Batch Normalization(批归一化)，像素级求和，对预测标签平面进行上采样等。
在一些实现中，向量计算单元1707能将经处理的输出的向量存储到统一存储器1706。例如，向量计算单元1707可以将线性函数；或，非线性函数应用到运算电路1703的输出，例如对卷积层提取的预测标签平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元1707生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路1703的激活输入，例如用于在神经网络中的后续层中的使用。
控制器1704连接的取指存储器(instruction fetch buffer)1709，用于存储控制器1704使用的指令；
统一存储器1706，输入存储器1701，权重存储器1702以及取指存储器1709均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，训练设备，或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

Claims (19)

1.一种动作预测方法，其特征在于，所述方法包括：
获取第一智能体的状态信息，所述状态信息用于指示所述第一智能体和第二智能体处于第一状态；
通过生成流模型对所述状态信息进行处理，得到所述第一智能体的N个动作的发生概率，第i个动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态，i＝1，...，N，N≥1。
2.根据权利要求1所述的方法，其特征在于，所述通过生成流模型对所述状态信息进行处理，得到所述第一智能体与所述第二智能体之间的N个联合动作的发生概率包括：
通过生成流模型对所述状态信息进行处理，得到所述第一智能体与所述第二智能体之间的N个联合动作的发生概率，第i个联合动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态，所述第i个联合动作包含所述第一智能体的第i个动作和所述第二智能体的第i个动作，所述N个联合动作的发生概率为所述第一智能体的N个动作的发生概率。
3.根据权利要求1或2所述的方法，其特征在于，所述通过生成流模型对所述状态信息进行处理，得到所述第一智能体的N个动作的发生概率之后，所述方法还包括：
从所述N个动作中，选择发生概率最大的动作；
执行所述发生概率最大的动作。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述状态信息为所述第一智能体处于所述第一状态时所采集的信息，所述信息包含以下至少一项：图像、视频、音频或文本。
5.一种模型训练方法，其特征在于，所述方法包括：
获取第一智能体的状态信息，所述状态信息用于指示所述第一智能体和第二智能体处于第一状态；
通过待训练流模型对所述状态信息进行处理，得到所述第一智能体与所述第二智能体之间的N个联合动作的发生概率，所述N个联合动作中的第i个联合动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态，所述第i个联合动作包含所述第一智能体的第i个动作和所述第二智能体的第i个动作，i＝1，...，N；
基于所述N个联合动作的发生概率，对所述待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
6.根据权利要求5所述的方法，其特征在于，所述通过待训练流模型对所述状态信息进行处理，得到所述第一智能体与所述第二智能体之间的N个联合动作的发生概率包括：
通过所述第一智能体的待训练模型对所述状态信息进行处理，得到所述第一智能体的N个动作的发生概率，N≥1；
基于所述第一智能体的N个动作的发生概率以及所述第二智能体的N个动作的发生概率，确定所述第一智能体与所述第二智能体之间的N个联合动作的发生概率，所述第二智能体的N个动作通过所述第二智能体的待训练模型获取，所述N个联合动作中的第i个联合动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态。
7.根据权利要求5或6所述的方法，其特征在于，所述基于所述N个联合动作的发生概率，对所述待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型包括：
基于所述第一智能体与所述第二智能体之间的M个联合动作的发生概率，所述N个联合动作的发生概率以及与所述第一状态对应的奖励值，确定目标损失，所述M个联合动作中的第j个联合动作用于令所述第一智能体以及所述第二智能体从第j个第三状态进入所述第一状态，j＝1，...，M，M≥1；
基于所述目标损失，对所述待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
8.根据权利要求5至7任意一项所述的方法，其特征在于，所述状态信息为所述第一智能体处于所述第一状态时所采集的信息，所述信息包含以下至少一项：图像、视频、音频或文本。
9.一种动作预测装置，其特征在于，所述装置包括：
获取模块，用于获取第一智能体的状态信息，所述状态信息用于指示所述第一智能体和第二智能体处于第一状态；
处理模块，用于通过生成流模型对所述状态信息进行处理，得到所述第一智能体的N个动作的发生概率，第i个动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态，i＝1，...，N，N≥1。
10.根据权利要求9所述的装置，其特征在于，所述处理模块，用于通过生成流模型对所述状态信息进行处理，得到所述第一智能体与所述第二智能体之间的N个联合动作的发生概率，第i个联合动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态，所述第i个联合动作包含所述第一智能体的第i个动作和所述第二智能体的第i个动作，所述N个联合动作的发生概率为所述第一智能体的N个动作的发生概率。
11.根据权利要求9或10所述的装置，其特征在于，所述处理模块，还用于：
从所述N个动作中，选择发生概率最大的动作；
执行所述发生概率最大的动作。
12.根据权利要求9至11任意一项所述的装置，其特征在于，所述状态信息为所述第一智能体处于所述第一状态时所采集的信息，所述信息包含以下至少一项：图像、视频、音频或文本。
13.一种模型训练装置，其特征在于，所述装置包括：
获取模块，用于获取第一智能体的状态信息，所述状态信息用于指示所述第一智能体和第二智能体处于第一状态；
处理模块，用于通过待训练流模型对所述状态信息进行处理，得到所述第一智能体与所述第二智能体之间的N个联合动作的发生概率，所述N个联合动作中的第i个联合动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态，所述第i个联合动作包含所述第一智能体的第i个动作和所述第二智能体的第i个动作，i＝1，...，N；
更新模块，用于基于所述N个联合动作的发生概率，对所述待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
14.根据权利要求13所述的装置，其特征在于，所述处理模块包括：
第一处理模块，用于通过所述第一智能体的待训练模型对所述状态信息进行处理，得到所述第一智能体的N个动作的发生概率，N≥1；
第二处理模块，用于基于所述第一智能体的N个动作的发生概率以及所述第二智能体的N个动作的发生概率，确定所述第一智能体与所述第二智能体之间的N个联合动作的发生概率，所述第二智能体的N个动作通过所述第二智能体的待训练模型获取，所述N个联合动作中的第i个联合动作用于令所述第一智能体和所述第二智能体从所述第一状态进入第i个第二状态。
15.根据权利要求13或14所述的装置，其特征在于，所述更新模块，用于：
基于所述第一智能体与所述第二智能体之间的M个联合动作的发生概率，所述N个联合动作的发生概率以及与所述第一状态对应的奖励值，确定目标损失，所述M个联合动作中的第j个联合动作用于令所述第一智能体以及所述第二智能体从第j个第三状态进入所述第一状态，j＝1，...，M，M≥1；
基于所述目标损失，对所述待训练模型的参数进行更新，直至满足模型训练条件，得到生成流模型。
16.根据权利要求13至15任意一项所述的装置，其特征在于，所述状态信息为所述第一智能体处于所述第一状态时所采集的信息，所述信息包含以下至少一项：图像、视频、音频或文本。
17.一种动作预测装置，其特征在于，所述装置包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为执行所述代码，当所述代码被执行时，所述动作预测装置执行如权利要求1至8任意一项所述的方法。
18.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一个或多个指令，所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至8任一所述的方法。
19.一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施权利要求1至8任意一项所述的方法。
CN202211192232.2A 2022-09-28 2022-09-28 一种动作预测方法及其相关设备 Pending CN115565104A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211192232.2A CN115565104A (zh) 2022-09-28 2022-09-28 一种动作预测方法及其相关设备
PCT/CN2023/118708 WO2024067113A1 (zh) 2022-09-28 2023-09-14 一种动作预测方法及其相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211192232.2A CN115565104A (zh) 2022-09-28 2022-09-28 一种动作预测方法及其相关设备

Publications (1)

Publication Number Publication Date
CN115565104A true CN115565104A (zh) 2023-01-03

Family

ID=84743078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211192232.2A Pending CN115565104A (zh) 2022-09-28 2022-09-28 一种动作预测方法及其相关设备

Country Status (2)

Country Link
CN (1) CN115565104A (zh)
WO (1) WO2024067113A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024067113A1 (zh) * 2022-09-28 2024-04-04 华为技术有限公司 一种动作预测方法及其相关设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109726903B (zh) * 2018-12-19 2020-10-16 中国电子科技集团公司信息科学研究院 基于注意力机制的分布式多智能体协同决策方法
WO2020202164A2 (en) * 2019-04-02 2020-10-08 Buildots Ltd. Construction project tracking
CN113341958B (zh) * 2021-05-21 2022-02-25 西北工业大学 一种混合经验的多智能体强化学习运动规划方法
CN114254567A (zh) * 2021-12-29 2022-03-29 北京博能科技股份有限公司 一种基于Muti-Agent与强化学习的机场融合仿真方法
CN115034379A (zh) * 2022-05-13 2022-09-09 华为技术有限公司 一种因果关系确定方法及相关设备
CN115565104A (zh) * 2022-09-28 2023-01-03 华为技术有限公司 一种动作预测方法及其相关设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024067113A1 (zh) * 2022-09-28 2024-04-04 华为技术有限公司 一种动作预测方法及其相关设备

Also Published As

Publication number Publication date
WO2024067113A1 (zh) 2024-04-04

Similar Documents

Publication Publication Date Title
CN112070207A (zh) 一种模型训练方法及装置
CN112183718A (zh) 一种用于计算设备的深度学习训练方法和装置
CN112883149B (zh) 一种自然语言处理方法以及装置
CN113066001A (zh) 一种图像处理方法及相关设备
CN114997412A (zh) 一种推荐方法、训练方法以及装置
WO2023246819A1 (zh) 一种模型训练方法及相关设备
CN113065633A (zh) 一种模型训练方法及其相关联设备
CN113627422A (zh) 一种图像分类方法及其相关设备
CN114241597A (zh) 一种姿态识别方法及其相关设备
WO2024067113A1 (zh) 一种动作预测方法及其相关设备
CN115238909A (zh) 一种基于联邦学习的数据价值评估方法及其相关设备
CN114169393A (zh) 一种图像分类方法及其相关设备
CN113627163A (zh) 一种注意力模型、特征提取方法及相关装置
CN113066125A (zh) 一种增强现实方法及其相关设备
WO2023045949A1 (zh) 一种模型训练方法及其相关设备
CN111652349A (zh) 一种神经网络的处理方法及相关设备
WO2023020185A1 (zh) 一种图像分类方法及其相关设备
CN114707070A (zh) 一种用户行为预测方法及其相关设备
CN114707643A (zh) 一种模型切分方法及其相关设备
CN115623242A (zh) 一种视频处理方法及其相关设备
CN115292583A (zh) 一种项目推荐方法及其相关设备
CN114841361A (zh) 一种模型训练方法及其相关设备
CN113065638A (zh) 一种神经网络压缩方法及其相关设备
CN116306771A (zh) 一种模型训练方法及其相关设备
WO2024061123A1 (zh) 一种图像处理方法及其相关设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination