这个例子展示了如何在Simulink®中训练深度确定性策略梯度(DDPG)代理用于自适应巡航控制(ACC)。万博1manbetx有关DDPG代理的更多信息,请参见<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ug/ddpg-agents.html" class="a">深度确定性策略梯度代理 这个例子的强化学习环境是一个简单的纵向动力学的自我汽车和领先汽车。训练目标是通过控制纵向加速和刹车,使自我车以设定的速度行驶,同时保持与领先车的安全距离。这个例子使用了与<一个href="//www.tianjin-qmedu.com/jp/help/mpc/ug/adaptive-cruise-control-using-model-predictive-controller.html" class="a">基于模型预测控制的自适应巡航控制系统 指定两辆车的初始位置和速度。 指定静止默认间隔(m),时间间隔(s)和驱动程序设置的速度(m/s)。 为了模拟车辆动力学的物理限制,将加速度限制在范围内 定义样本时间 打开模型。 对于这个模型: 从agent到环境的加速度动作信号为-3到2 m/s^2。 自我车的参考速度 来自环境的观测是速度误差 当自我车的纵向速度小于0,或引导车与自我车的相对距离小于0时,仿真终止。 奖励
在哪里 为模型创建一个强化学习环境界面。 创建观察规范。 创建操作规范。 创建环境接口。 若要定义导车位置的初始条件,请使用匿名函数句柄指定环境复位函数。重置功能 修复随机生成器种子以获得再现性。 DDPG代理使用批判价值函数表示来近似给定观察和行动的长期奖励。要创建批评家,首先要创建一个深度神经网络,它有两个输入,状态和动作,和一个输出。有关创建神经网络值函数表示的更多信息,请参见<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ug/create-policy-and-value-function-representations.html" class="a">创建策略和价值功能表示 查看critical网络配置。 为使用的批评家表示指定选项<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rlrepresentationoptions.html" class="a"> 使用指定的神经网络和选项创建批评家表示。您还必须为评论家指定操作和观察信息,这些信息是从环境接口获得的。有关更多信息,请参见<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rlqvaluerepresentation.html" class="a"> DDPG代理通过使用参与者表示来决定对给定的观察采取什么行动。要创建参与者,首先创建一个深度神经网络,有一个输入,一个观察,和一个输出,一个动作。 把行动者想像成与批评家相似的人。有关更多信息,请参见<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rldeterministicactorrepresentation.html" class="a"> 要创建DDPG代理,首先使用<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rlddpgagentoptions.html" class="a"> 然后,使用指定的参与者表示、评论家表示和代理选项创建DDPG代理。有关更多信息,请参见<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rlddpgagent.html" class="a"> 要培训代理,首先指定培训选项。对于本例,使用以下选项: 每个训练集最多运行一个小时 在“插曲管理器”对话框中显示培训进度。 当特工获得超过260的奖励时停止训练。 有关更多信息,请参见<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rltrainingoptions.html" class="a"> 使用<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rl.agent.rlqagent.train.html" class="a"> 要验证经过训练的代理的性能,可以在Simulink环境中通过取消注释以下命令来模拟该代理。万博1manbetx有关代理模拟的更多信息,请参见<一个href="//www.tianjin-qmedu.com/jp/help/reinforcement-learning/ref/rlsimulationoptions.html" class="a"> 为了演示使用确定性初始条件训练的agent,在Simulink中模拟该模型。万博1manbetx 下面的图显示了当前车领先自我车70 (m)时的仿真结果。 在前28秒内,相对距离大于安全距离(下图),因此ego汽车跟踪设定速度(中间图)。要加速并达到设定速度,加速度为正(上图)。 从28秒到60秒,相对距离小于安全距离(底部图),所以自我车跟踪最小的领先速度和设定速度。从28秒到36秒,引导速度小于设定的速度(中间图)。要减速并跟踪领头车的速度,加速度是负的(上图)。从36秒到60秒,自我汽车调整其加速度,以密切跟踪参考速度(中间情节)。在这个时间间隔内,ego赛车追踪设定的速度从43秒到52秒,追踪引导速度从36秒到43秒和52秒到60秒。 关闭Simulink万博1manbetx模型。万博1manbetx仿真软件模型
x0_lead = 50;
D_默认值=10;t_间隙=1.4;v_集=30;
amin_ego = 3;amax_ego = 2;
Ts=0.1;Tf=60;
mdl =
创建环境接口
observationInfo = rlNumericSpec([3 1],
actionInfo=rlNumericSpec([1],
env=rlSi万博1manbetxmulinkEnv(mdl、agentblk、observationInfo、actionInfo);
env。ResetFcn = @(在)localResetFcn(的);
rng(
创建DDPG代理
L = 48;
情节(criticNetwork)
rlRepresentationOptions
criticOptions = rlRepresentationOptions (
rlQValueRepresentation
评论家= rlQValueRepresentation (criticNetwork observationInfo actionInfo,
rlDeterministicActorRepresentation
[featureInputLayer(3,
rlDDPGAgentOptions
agentOptions = rlDDPGAgentOptions (
rlDDPGAgent
代理=rlDDPGAgent(演员、评论家、代理);
火车代理
rlTrainingOptions
最大事件数=5000;maxsteps=ceil(Tf/Ts);培训选项=RL培训选项(
火车
doTraining = false;
模拟DDPG代理
模拟选项
sim卡
% simOptions = rlSimulationOptions('MaxSteps', MaxSteps);
x0_lead = 80;sim (mdl)
bdclose (mdl)
重置功能
函数
另请参阅
相关的话题