在钢筋学习场景中,您正在培训代理完成任务,环境模拟代理交互的动态。如下图所示,环境:
从代理商接收行动。
输出响应行动的观察。
生成奖励测量行动有助于实现任务的贡献。
创建环境模型包括定义以下内容:
操作和观察信号表示代理用于与环境交互。
奖励信号代理用于衡量其成功。有关更多信息,请参阅定义奖励信号。
环境动态行为。
创建环境对象时,必须指定代理用于与环境交互的操作和观察信号。您可以创建离散和连续操作空间。有关更多信息,请参阅rlnumericspec.
和rlfinitesetspec.
, 分别。
您选择的信号和观察的信号取决于您的应用程序。例如,对于控制系统应用,错误信号的积分(有时导数)通常是有用的观察。此外,对于参考跟踪应用,具有时变的参考信号作为观察是有帮助的。
当你定义你的观测信号,确保that all the system states are observable through the observations. For example, an image observation of a swinging pendulum has position information but does not have enough information to determine the pendulum velocity. In this case, you can specify the pendulum velocity as a separate observation.
钢筋学习工具箱™软件提供预定义的Simulink金宝app®在已经定义了操作,观察,奖励和动态的环境。您可以使用这些环境:
学习强化学习概念。
熟悉钢筋学习工具箱软件功能。
Test your own reinforcement learning agents.
有关更多信息,请参阅加载预定义的Simulink环境金宝app。
To specify your own custom reinforcement learning environment, create a Simulink model with anRL代理人块。在此模型中,将动作,观察和奖励信号连接到RL代理人块。例如,看到水箱加固学习环境模型。
对于动作和观察信号,您必须使用规范对象使用rlnumericspec.
for continuous signals andrlfinitesetspec.
用于离散信号。对于总线信号,使用创建规格bus2rlspec.
。
对于奖励信号,在模型中构建标量信号并将此信号连接到RL代理人块。有关更多信息,请参阅定义奖励信号。
配置Simulink模型后,使用该模型创建一金宝app个环境对象Rl金宝appsimulinkenv.
功能。
If you have a reference model with an appropriate action input port, observation output port, and scalar reward output port, you can automatically create a Simulink model that includes this reference model and anRL代理人块。有关更多信息,请参阅createIntegratedEnv
。This function returns the environment object, action specifications, and observation specifications for the model.
您的环境可以包括第三方功能。有关更多信息,请参阅Integrate with Existing Simulation or Environment(金宝appSimulink)。
createIntegratedEnv
|Rlpredefinedenv.
|Rl金宝appsimulinkenv.