此示例显示如何在Simulink®中培训用于自适应巡航控制(ACC)的深度确定性政策梯度(DDPG)代理。金宝app有关DDPG代理商的更多信息,请参阅<一种href="//www.tatmou.com/ch/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<一种href="//www.tatmou.com/ch/help/mpc/ug/adaptive-cruise-control-using-model-predictive-controller.html" class="a">采用模型预测控制的自适应巡航控制系统 指定两个车辆的初始位置和速度。 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)。 为了模拟车辆动态的物理限制,约束加速度到范围 定义样本时间 打开模型。 对于这个模型: 来自代理到环境的加速度动作信号来自-3至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 为模型创建一个加强学习环境界面。 创建观察规范。 创建动作规范。 创建环境界面。 要定义引导型汽车位置的初始条件,请使用匿名功能手柄指定环境复位功能。重置功能 修复随机发生器种子以进行再现性。 DDPG代理使用批评价值函数表示来估计长期奖励给出的观察和行动。要创建批评家,首先创建一个具有两个输入,状态和动作的深度神经网络,以及一个输出。有关创建神经网络值函数表示的更多信息,请参阅<一种href="//www.tatmou.com/ch/help/reinforcement-learning/ug/create-policy-and-value-function-representations.html" class="a">创建策略和价值功能表示 查看批评批评网络配置。 指定使用批评者表示的选项<一种href="//www.tatmou.com/ch/help/reinforcement-learning/ref/rlrepresentationoptions.html" class="a"> 使用指定的神经网络和选项创建批读表示。您还必须指定从环境界面获取的批评者的操作和观察信息。有关更多信息,请参阅<一种href="//www.tatmou.com/ch/help/reinforcement-learning/ref/rlqvaluerepresentation.html" class="a"> DDPG代理决定通过使用演员表示来考虑观察的行动。要创建演员,首先创建一个输入,观察和一个输出的深神经网络,动作。 与评论家同样地构建演员。有关更多信息,请参阅<一种href="//www.tatmou.com/ch/help/reinforcement-learning/ref/rldeterministicactorrepresentation.html" class="a"> 要创建DDPG代理,请先使用DDPG代理使用<一种href="//www.tatmou.com/ch/help/reinforcement-learning/ref/rlddpgagentoptions.html" class="a"> 然后,使用指定的Actor表示,批评者表示和代理选项创建DDPG代理。有关更多信息,请参阅<一种href="//www.tatmou.com/ch/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: 最多只运行每个训练集 在“插曲管理器”对话框中显示培训进度。 当代理收到大于260的集奖励时停止培训。 有关更多信息,请参阅<一种href="//www.tatmou.com/ch/help/reinforcement-learning/ref/rltrainingoptions.html" class="a"> 使用培训代理商使用<一种href="//www.tatmou.com/ch/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。金宝app有关代理模拟的更多信息,请参见<一种href="//www.tatmou.com/ch/help/reinforcement-learning/ref/rlsimulationoptions.html" class="a"> 要使用确定性初始条件演示培训的代理,请在Simulink中模拟模型。金宝app 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秒中,相对距离大于安全距离(底部图),因此自我车厢轨道设定速度(中间图)。加速并达到设定的速度,加速度为正(顶部图)。 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金宝app模型。金宝app仿真软件模型
x0_lead = 50;
d_default = 10;t_gap = 1.4;v_set = 30;
Amin_ego = -3;Amax_ego = 2;
ts = 0.1;tf = 60;
mdl =
创建环境接口
观察invfo = rlnumericspec([3 1],
ActionInfo = rlnumericspec([1 1],
ent = rl金宝appsimulinkenv(mdl,agentblk,devalionationInfo,ActionInfo);
env.resetfcn = @(in)localresetfcn(in);
RNG(
创建DDPG代理
l = 48;
情节(批评性)
rlrepresentationoptions.
QuandOptions = RlrepresentationOptions(
rlQValueRepresentation
评论家= rlqvalueerepresentation(批判性,观察invo,actioninfo,
rlDeterministicActorRepresentation
ActorNetWork = [FeatureInputLayer(3,
rlddpgagentoptions.
AgentOptions = RLDDPGagentOptions(
rlDDPGAgent
代理= rlddpgagent(演员,批评者,代理选项);
火车代理
rltringOptions.
maxepisodes = 5000;maxsteps = ceil(tf / ts);trainingopts = rltringoptions(
火车
doTraining = false;
模拟DDPG代理
RlsimulationOptions.
SIM
%simoptions = rlsimulationoptions('maxsteps',maxsteps);
x0_lead = 80;sim (mdl)
BdClose(MDL)
重置功能
功能
也可以看看
相关的话题