买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利一种基于元学习的轨迹预测模型的训练方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119106725B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411108453.6，技术领域涉及：G06N3/0985；该发明授权一种基于元学习的轨迹预测模型的训练方法及装置是由樊子德;黄飞龙;蒋立正;李肖赫;牟方厉;耿莹;邓雅文;朱可卿;姜川傲设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本一种基于元学习的轨迹预测模型的训练方法及装置在说明书摘要公布了：本发明提供一种基于元学习的轨迹预测模型训练方法及装置，方法包括：获取至少一个目标场景的轨迹数据并构建元任务，并划分为多个域偏移组；在训练过程中的任意一个当前训练轮次，针对每个域偏移组，基于元任务的训练数据，调用轨迹预测模型依次执行域偏移组中的元任务，得到执行元任务的目标损失函数并在域偏移组内进行梯度传播，更新得到域偏移参数；根据每个域偏移组的域偏移参数更新轨迹预测模型在当前训练轮次中的原始模型参数，得到最终模型参数。通过本申请，解决现有技术中轨迹预测模型在实际应用中仍对训练时使用的特定源域数据存在过度依赖，跨场景的泛化能力差，在预测未遇到过的新目标域数据时导致预测性能下降的技术问题。

本发明授权一种基于元学习的轨迹预测模型的训练方法及装置在权利要求书中公布了：1.一种基于元学习的轨迹预测模型训练方法，其特征在于，所述轨迹预测模型的训练过程是按照训练轮次迭代进行的，所述方法包括： 获取至少一个目标场景的轨迹数据，所述轨迹数据包括虚拟源域数据或者虚拟目标域数据；轨迹预测模型用于根据当前目标场景中一些目标的轨迹变化，预测目标场景未来可能的轨迹变化；所述轨迹数据设有五个轨迹标签，所述五个轨迹标签包括用于描述目标场景的位置标签、时间标签、天气标签、交通标签以及轨迹类型标签； 根据所述轨迹数据构建元任务，并划分为多个域偏移组，其中，每个所述域偏移组分配有至少两个元任务，所述元任务的训练数据包括一个用于元训练的虚拟源域数据以及一个用于元测试的虚拟目标域数据； 在训练过程中的任意一个当前训练轮次，针对每个域偏移组，基于元任务的训练数据，调用轨迹预测模型依次执行域偏移组中的元任务，得到执行元任务的目标损失函数，其中，所述目标损失函数是根据源域损失值、目标域损失值以及跨场景注意力对齐损失值构建得到的； 根据所述目标损失函数在域偏移组内进行梯度传播，更新得到所述轨迹预测模型的域偏移参数，并根据每个域偏移组的域偏移参数更新所述轨迹预测模型在当前训练轮次中的原始模型参数，得到最终模型参数； 所述基于元任务的训练数据，调用轨迹预测模型依次执行域偏移组中的元任务，得到执行元任务的目标损失函数，包括： 针对每一个元任务，调用虚拟源域数据对所述轨迹预测模型进行元训练，并根据元训练过程中预设的源域损失值更新轨迹预测模型的元学习原始参数，得到元学习临时参数； 通过虚拟目标域数据对所述轨迹预测模型的元学习临时参数进行元测试，得到元测试过程的目标域损失值； 确定所述轨迹预测模型在所述元训练过程以及所述元测试过程的跨场景注意力对齐损失值； 根据所述源域损失值、所述目标域损失值以及所述跨场景注意力对齐损失值构建得到执行元任务的目标损失函数； 所述确定所述轨迹预测模型在所述元训练过程以及所述元测试过程的跨场景注意力对齐损失值，包括： 针对所述元训练过程中虚拟源域数据中的每个第一数据样本，确定所述第一数据样本训练所述轨迹预测模型时得到的训练查询向量以及训练键向量，并确定所述训练查询向量的均值、以及所述训练键向量的均值； 针对所述元测试过程中虚拟目标域数据中的每个第二数据样本，确定所述第二数据样本测试所述轨迹预测模型时得到的测试查询向量以及测试键向量，并确定所述测试查询向量的均值、以及所述测试键向量的均值； 确定所述训练查询向量的均值与所述测试查询向量的均值的第一差值、以及所述第一差值的第一范式，并确定所述训练键向量的均值与所述测试键向量的均值的第二差值、以及所述第二差值的第二范式； 确定所述第一范式与所述第二范式的加和，并根据所述加和构建得到跨场景注意力对齐损失函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院空天信息创新研究院，其通讯地址为：100094 北京市海淀区邓庄南路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。