此示例显示了如何在Simulink®中为路径跟踪控制(PFC)培训深层确定性策略梯度(DDPG)代理。有关DDPG代理的更多信息,请参阅金宝app<一个href="//www.tatmou.com/jp/help/reinforcement-learning/ug/ddpg-agents.html" class="a">深度确定性策略梯度代理 本例的强化学习环境是用于自我汽车的简单自行车模型和用于引导汽车的简单纵向模型。训练目标是让自我车以设定的速度行驶,同时通过控制纵向加速和制动来保持与领先车的安全距离,同时通过控制前转向角度来使自我车保持在车道中心线上行驶。有关PFC的更多信息,请参见<一个href="//www.tatmou.com/jp/help/mpc/ref/pathfollowingcontrolsystem.html" class="a">路径跟踪控制系统 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,将加速度限制到范围内 道路的曲率由常数0.001定义( 定义采样时间 打开模型。 对于此型号: 动作信号包括加速度和转向角动作。加速度动作信号的值介于-3和2 (m/s^2)之间。转向动作信号的值介于-15度(-0.2618 rad)和15度(0.2618 rad)之间。 汽车的参考速度 来自环境的观测包含了纵向测量:速度误差 当出现横向偏差时,模拟终止 奖励
哪里
如果终止模拟,则为
如果横向误差
中频速度误差 奖励中的三个逻辑条件鼓励agent使横向误差和速度误差都变小,同时在模拟提前终止时对agent进行惩罚。 为Simulink模型创建一个环境接口。金宝app 创建观察规范。 创建操作规范。 创建环境接口。 要定义初始条件,请使用匿名函数句柄指定环境重置函数。重置功能 修复随机生成器种子的再现性。 DDPG代理通过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。有关创建深度神经网络值函数表示的更多信息,请参见<一个href="//www.tatmou.com/jp/help/reinforcement-learning/ug/create-policy-and-value-function-representations.html" class="a">创建策略和值函数表示 查看critical网络配置。 为使用的批评家表示指定选项<一个href="//www.tatmou.com/jp/help/reinforcement-learning/ref/rlrepresentationoptions.html" class="a"> 使用指定的深度神经网络和选项创建批评家表示。还必须指定批评家的操作和观察信息,这些信息是从环境界面获得的。有关更多信息,请参阅<一个href="//www.tatmou.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.tatmou.com/jp/help/reinforcement-learning/ref/rldeterministicactorrepresentation.html" class="a"> 要创建DDPG代理,首先使用<一个href="//www.tatmou.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.tatmou.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: 每次训练最多进行一次 在“事件管理器”对话框中显示培训进度(设置 停止训练时,代理收到累计集奖励大于 有关更多信息,请参见<一个href="//www.tatmou.com/jp/help/reinforcement-learning/ref/rltrainingoptions.html" class="a"> 训练代理人使用<一个href="//www.tatmou.com/jp/help/reinforcement-learning/ref/rl.agent.rlqagent.train.html" class="a"> 要验证经过培训的代理的性能,请通过取消注释以下命令在Simulink环境中模拟代理。有关代理模拟的更多信息,请参阅金宝app<一个href="//www.tatmou.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。金宝app 下图显示的是领先车领先自我车70 (m)时的仿真结果。 在头35秒内,相对距离大于安全距离(右下图),所以自我赛车会追踪设定的速度(右上图)。为了加速并达到设定的速度,加速度通常是非负的(左上角的图)。 从35到42秒,相对距离大多小于安全距离(右下图),因此ego汽车跟踪领先速度和设定速度的最小值。由于领先速度小于设定速度(右上图),为了跟踪领先速度,加速度变为非零(左上图)。 从42秒到58秒,自我赛车会追踪设定的速度(右上图),而加速度保持为零(左上图)。 从58秒到60秒,相对距离小于安全距离(右下图),因此ego汽车减速并跟踪领先速度。 左下方的图显示了横向偏差。如图所示,横向偏差在1秒内大大减小。横向偏差保持在0.05 m以下。 关闭Simulink金宝app模型。金宝appSimulink模型
m=1600;
x0_lead = 50;
D_默认值=10;t_间隙=1.4;v_集=28;
amin_ego = 3;amax_ego = 2;umin_ego = -0.5;umax_ego = 0.5;
rho=0.001;e1_初始值=0.2;e2_初始值=-0.1;
t = 0.1;Tf = 60;
mdl=
创建环境接口
observationInfo = rlNumericSpec([9 1],
actionInfo=rlNumericSpec([2 1],
env = rl金宝appSimulinkEnv (mdl agentblk、observationInfo actionInfo);
env。ResetFcn = @(在)localResetFcn(的);
rng(0)
创建DDPG代理
L = 100;
图绘制(criticNetwork)
rlRepresentationOptions
临界点=rlRepresentationOptions(
rlQValueRepresentation
评论家= rlQValueRepresentation (criticNetwork observationInfo actionInfo,
决定论呈现
actorNetwork=[featureInputLayer(9,
rlDDPGAgentOptions
agentOptions = rlDDPGAgentOptions (
RLDDPG试剂
代理= rlDDPGAgent(演员、评论家、agentOptions);
火车代理
rlTrainingOptions
maxepisodes = 1 e4;maxsteps =装天花板(Tf / Ts);trainingOpts = rlTrainingOptions (
火车
doTraining=false;
模拟DDPG代理
rlSimulationOptions
sim卡
% simOptions = rlSimulationOptions('MaxSteps', MaxSteps);
e1_initial = -0.4;e2_initial = 0.1;x0_lead = 80;sim (mdl)
bdclose (mdl)
复位功能
函数
另请参阅
相关话题