一种基于孤独症双时间尺度强化学习的游戏干预控制系统

本发明涉及人工智能教育辅助，具体为一种基于孤独症双时间尺度强化学习的游戏干预控制系统。

背景技术：

1、近年来，面向孤独症儿童的数字化干预从单一多媒体课件逐步发展为严肃游戏、ar/vr互动与多模态感知结合的智能干预体系。现有方案通常以游戏正确率、任务完成时长等表现指标为依据调节关卡难度，或引入面部表情、动作捕捉等多模态数据辅助评估儿童状态，部分研究尝试通过强化学习实现游戏内容的自适应调整。

2、然而在实际干预场景中，儿童姿态变动、手部遮挡、环境噪声、设备佩戴偏移等问题会导致传感数据质量动态波动，常规多模态融合方案默认所有模态稳定有效，异常数据易引发状态误判；同时现有自适应方案多聚焦单次交互的即时反馈优化，缺少对长期课程路径的系统性规划，易出现短期奖励最大化而忽略长期能力泛化的问题；此外，多数系统缺少刚性安全约束机制，难以在状态估计不确定时主动规避刺激过载、连续挫败等风险。其本质是缺乏一套从传感质量校验、可信状态估计、双尺度决策到安全边界管控的全链路闭环控制机制，无法同时兼顾复杂场景下的鲁棒性、干预过程的适配性与长期发展的科学性。

技术实现思路

1、本发明的目的在于提供一种基于孤独症双时间尺度强化学习的游戏干预控制系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于孤独症双时间尺度强化学习的游戏干预控制系统，包括：

4、多模态采集预处理模块，用于同步采集多源交互传感数据与游戏运行日志，完成时间对齐、去噪切片与标准化处理，生成带缺失标记的时序窗口数据；

5、模态质量评价与可信度门控模块，用于对每个时序窗口内的各模态数据计算质量向量，生成模态可信度与门控权重，依据可信度划分模态运行状态并执行对应融合策略；

6、跨模态交互状态估计模块，用于以门控权重加权融合各模态特征，输出儿童游戏交互状态向量及对应的状态估计不确定度；

7、双时间尺度强化学习模块，包含短时间尺度策略单元与长时间尺度策略单元，短时间尺度策略单元依据交互状态向量与不确定度生成实时游戏控制动作，长时间尺度策略单元依据课时摘要数据更新课程图谱与长期干预路径；

8、安全约束校验模块，用于对短时间尺度策略单元输出的游戏控制动作进行安全边界校验与裁剪，输出合规的安全控制动作；

9、游戏交互执行模块，用于根据安全控制动作驱动游戏终端运行，调整游戏难度、提示机制、反馈形式与虚拟角色行为，并生成新的游戏运行日志；

10、课程图谱管理模块，用于存储与更新由能力节点、任务节点、场景节点与证据节点构成的课程图谱，接收长时间尺度策略单元的课程动作，迭代个体化干预路径。

11、进一步的，所述多模态采集预处理模块的工作过程为：

12、接入面部视频、语音音频、眼动追踪、肢体骨架、生理信号与游戏日志至少两类传感数据源，为每路数据标记统一时间戳；

13、对各路数据执行采样率对齐、去噪滤波与异常值剔除，标记数据缺失、传输延迟与采集异常位置；

14、按预设滑动窗口长度对同步后的数据进行切片，对每个窗口内的数据执行特征标准化，生成带缺失与异常标记的时序窗口数据。

15、进一步的，所述模态质量评价与可信度门控模块的工作过程为：

16、针对每个时序窗口内的单模态数据，计算包含数据完整度、信噪比、相对延迟、缺失率、伪迹指标与任务有效性的质量向量；

17、结合质量向量、历史稳定性与任务上下文，计算单模态可信度，通过归一化生成各模态的门控权重；

18、依据可信度阈值将单模态划分为正常参与、降权参与、冻结保持、替代补偿、人工确认五种运行状态，分别执行对应融合策略。

19、进一步的，所述跨模态交互状态估计模块的工作过程为：

20、对每个时序窗口内的各模态数据分别进行特征编码，得到对应模态的特征表示；

21、以门控权重对各模态特征表示进行加权融合，生成跨模态统一特征；

22、基于跨模态统一特征映射得到包含参与度、任务负荷、挫败风险、社交响应水平的交互状态向量，同时输出当前窗口的状态估计不确定度。

23、进一步的，所述双时间尺度强化学习模块中，短时间尺度策略单元的工作过程为：

24、以交互状态向量、状态估计不确定度与任务上下文为输入，通过短时间尺度强化学习策略输出游戏控制动作，动作类型包含难度调整、提示等级、反馈形式、交互节奏与场景参数；

25、构建短期奖励函数，以参与度、任务进度为正向奖励，以挫败风险、负荷过载、提示消耗为负向约束，引导策略在维持儿童参与度的同时规避交互风险。

26、进一步的，所述双时间尺度强化学习模块中，长时间尺度策略单元的工作过程为：

27、在单节干预课程结束后，聚合整课时的状态摘要、任务完成数据与安全事件记录，生成课时摘要数据；

28、以课时摘要数据、当前课程图谱、阶段干预目标与历史学习轨迹为输入，通过长时间尺度强化学习策略输出课程动作，包含能力节点选择、场景迁移安排、复习比例设置与难度跨度调整；

29、构建长期奖励函数，以能力提升、场景泛化、干预稳定性为正向奖励，以退出风险、安全事件为负向约束，引导课程路径持续适配儿童长期发展。

30、进一步的，所述安全约束校验模块的工作过程为：

31、预设包含难度上限、刺激强度、连续失败次数、单次会话时长的安全边界规则；

32、接收短时间尺度策略输出的游戏控制动作，结合当前交互状态、不确定度与会话历史，校验动作是否符合安全边界；

33、对超出安全边界的动作执行裁剪、降级或阻断；当状态不确定度超标或多模态同时异常时，触发保守模式，仅允许降低难度、减少刺激、暂停或请求人工确认的动作。

34、进一步的，所述课程图谱管理模块的工作过程为：

35、构建四级节点结构的课程图谱，能力节点对应干预目标维度，任务节点对应游戏内具体互动任务，场景节点对应不同应用情境，证据节点对应任务执行过程中的行为与状态记录；

36、每完成一项任务后，更新对应证据节点的成功率、提示依赖、反应时数据，同步关联至对应能力节点；

37、接收长时间尺度策略单元输出的课程动作，调整能力节点权重、任务节点排序与场景节点配比，生成下一阶段的个体化干预路径。

38、与现有技术相比，本发明的有益效果是：

39、本发明通过模态质量评价与可信度门控机制，对多源传感数据进行质量分级与动态权重分配，支持五种模态运行状态的分级处理，可在面部遮挡、语音噪声、设备漂移等常见异常场景下维持状态估计的稳定性，避免单一模态失效引发的干预决策失误。

40、本发明采用双时间尺度强化学习架构，短时间尺度策略在秒级/任务级维度实时调整游戏交互参数，保障儿童参与度与交互流畅性；长时间尺度策略在课时/阶段维度迭代课程图谱与干预路径，兼顾短期交互体验与长期能力发展，避免单纯追求即时正确率导致的训练偏差。

41、本发明设置独立的安全约束校验模块，对所有控制动作进行刚性边界校验，支持不确定度超标时自动触发保守模式，可有效规避刺激过载、连续挫败、情绪过载等风险，保障干预过程安全可控。

42、本发明基于四级节点构建课程图谱，将干预目标、游戏任务、应用场景与过程证据结构化关联，干预路径可解释、可追溯、可人工干预，适配机构、家庭、评估中心等多场景部署需求，同时支持本地脱敏与联邦更新机制，符合儿童数据隐私保护要求。