训练DDPG代理控制飞行机器人

此示例使用：

打开实时脚本

此示例显示如何训练深层确定性策略梯度（DDPG）代理，以生成Simulink®中建模的飞行机器人的轨迹。有关DDPG代理的更多信息，请参阅金宝app深度确定性策略梯度代理.

飞行机器人模型

本例中的强化学习环境是一个飞行机器人，其初始条件围绕一个半径环随机化15m、机器人的方向也是随机的。机器人有两个推进器安装在身体一侧，用于推动和引导机器人。训练目标是将机器人从初始状态驱动到面向东方的原点。

打开模型。

mdl=“rlflyingrobotev”；开放式系统（mdl）

设置初始模型状态变量。

θ0=0；x0=-15；y0=0；

定义采样时间Ts以及模拟持续时间Tf.

Ts=0.4；Tf=30；

对于此型号：

目标定位是0rad（面向东方的机器人）。
每个执行器的推力从-1到1.N
从环境中观察到的是机器人的位置、方向（方向的正弦和余弦）、速度和角速度。
奖赏 $R_{T}$ 在每次执行步骤时提供

$R_{1.} = 10 (({x_{T}}^{2.} + {Y_{T}}^{2.} + θ_{T}^{2.}) < 0 . 5.)$

$R_{2.} = - 100 (| x_{T} | \geq 20 | | | Y_{T} | \geq 20)$

$R_{3.} = - (0 . 2. {(R_{T - 1.} + L_{T - 1.})}^{2.} + 0 . 3. {(R_{T - 1.} - L_{T - 1.})}^{2.} + 0.03 {x_{T}}^{2.} + 0.03 {Y_{T}}^{2.} + 0.02 θ_{T}^{2.})$

$R_{T} = R_{1.} + R_{2.} + R_{3.}$

哪里：

$x_{T}$ 是机器人沿x轴的位置。
$Y_{T}$ 是机器人沿y轴的位置。
$θ_{T}$ 是机器人的方向。
$L_{T - 1.}$ 是来自左推进器的控制力。
$R_{T - 1.}$ 是来自右推进器的控制力。
$R_{1.}$ 是机器人接近目标时的奖励。
$R_{2.}$ 当机器人驾驶超出范围时，处罚是多少20m在x或y方向。当 $R_{2.} < 0$ .
$R_{3.}$ 是一种QR惩罚，惩罚与目标的距离和控制努力。

创建集成模型

培训一名代理飞行机器人模型，使用createIntegratedEnv该函数用于自动生成一个集成模型，该模型带有准备好进行培训的RL代理块。

集成MDL=“集成飞行机器人”; [~，agentBlk，observationInfo，actionInfo]=createIntegratedEnv（mdl，integratedMdl）；

行动和观察

在创建环境对象之前，请指定观察和操作规范的名称，并在它们之间绑定推力操作-1和1..

这种环境的观测信号如下： $观察 = {[\begin{matrix} x & Y & \dot{x} & \dot{Y} & 罪 (θ) & 余弦 (θ) & \dot{θ} \end{matrix}]}^{T}$ .

numObs=产品（观测信息尺寸）；observationInfo.Name=“观察”;

这种环境的行动信号是 $行动 = {[\begin{matrix} T_{R} & T_{L} \end{matrix}]}^{T}$ .

numAct=prod（actionInfo.Dimension）；actionInfo.LowerLimit=-one（numAct，1）；actionInfo.UpperLimit=one（numAct，1）；actionInfo.Name=“插入”;

创建环境接口

使用集成模型为飞行机器人创建环境界面。

env=rlSi金宝appmulinkEnv（集成MDL、代理LK、观测信息、操作信息）；

复位功能

创建一个自定义重置功能，使机器人的初始位置沿半径环随机化15m和初始方向。有关重置功能的详细信息，请参阅飞行机器人.

env.ResetFcn=@（in）flyingRobotResetFcn（in）；

修复随机生成器种子以获得再现性。

rng（0）

创建DDPG代理

DDPG代理通过使用临界值函数表示来近似给定观察和行动的长期奖励。要创建临界值，首先创建一个包含两个输入（观察和行动）和一个输出的深度神经网络。有关创建神经网络值函数表示的更多信息，请参阅创建策略和值函数表示.

%指定隐藏层的输出数量。hiddenLayerSize=100；observationPath=[featureInputLayer（numObs，“正常化”,“没有”,“姓名”,“观察”)完全连接层（隐藏层化，“姓名”,“fc1”)雷卢耶(“姓名”,“relu1”)完全连接层（隐藏层化，“姓名”,“fc2”)附加层（2，“姓名”,“添加”)雷卢耶(“姓名”,“relu2”)完全连接层（隐藏层化，“姓名”,“fc3”)雷卢耶(“姓名”,“relu3”)完全连接层（1，“姓名”,“fc4”)]；actionPath=[featureInputLayer（numAct，“正常化”,“没有”,“姓名”,“行动”)完全连接层（隐藏层化，“姓名”,“fc5”)];%创建图层图。临界网络=层图（观测路径）；临界网络=添加层（临界网络，动作路径）；%将actionPath连接到observationPath。临界网络=连接层（临界网络，“fc5”,“添加/in2”);

使用指定批评家的选项rlRepresentationOptions.

临界点=rlRepresentationOptions(“LearnRate”，1e-03，“梯度阈值”,1);

使用指定的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规范。有关更多信息，请参阅rlQValueRepresentation.

critic=rlQValueRepresentation（关键网络、观测信息、动作信息、，...“观察”,{“观察”},“行动”,{“行动”}，批评）；

DDPG代理通过使用参与者表示来决定执行给定观察的动作。要创建参与者，首先创建一个具有一个输入（观察）和一个输出（动作）的深度神经网络。

以类似于批评家的方式构造参与者。有关更多信息，请参阅决定论呈现.

actorNetwork=[featureInputLayer（numObs，“正常化”,“没有”,“姓名”,“观察”)完全连接层（隐藏层化，“姓名”,“fc1”)雷卢耶(“姓名”,“relu1”)完全连接层（隐藏层化，“姓名”,“fc2”)雷卢耶(“姓名”,“relu2”)完全连接层（隐藏层化，“姓名”,“fc3”)雷卢耶(“姓名”,“relu3”)完全连接层（numAct，“姓名”,“fc4”)坦莱尔(“姓名”,“tanh1”)]；actorOptions=rlRepresentationOptions(“LearnRate”，1e-04，“梯度阈值”，1）；actor=rlDeterministicActorRepresentation（actorNetwork，observationInfo，actionInfo，...“观察”,{“观察”},“行动”,{“tanh1”}，动植物）；

要创建DDPG代理，请首先使用指定DDPG代理选项rlDDPGAgentOptions.

agentOptions=rlDDPGAgentOptions(...“采样时间”，Ts，...“目标平滑因子”，1e-3，...“经验缓冲长度”，1e6，...“折扣演员”,0.99,...“MiniBatchSize”，256）；agentOptions.NoiseOptions.Variance=1e-1；agentOptions.NoiseOptions.VarianceDecayRate=1e-6；

然后，使用指定的参与者表示、评论家表示和代理选项创建代理。有关更多信息，请参阅RLDDPG试剂.

代理=rlDDPGAgent（演员、评论家、代理）；

列车员

要培训代理，请首先指定培训选项。对于本例，请使用以下选项：

每次训练最多进行一次20000每集，每集最多持续一次ceil（Tf/Ts）时间步长。
在“事件管理器”对话框中显示培训进度（设置阴谋选项）并禁用命令行显示（设置冗长的选择错误的).
当代理收到的平均累积奖励大于时，停止培训415连续10集以上。此时，代理可以驱动飞行机器人到达目标位置。
为累积奖励大于的每集保存一份代理副本415.

有关详细信息，请参阅RL培训选项.

最大事件数=20000；最大步骤数=ceil（Tf/Ts）；培训选项数=RL培训选项数(...“最大集”，每集，...“MaxStepsPerEpisode”，maxsteps，...“StopOnError”,“关于”,...“冗长”错误的...“情节”,“培训进度”,...“停止培训标准”,“平均向上”,...“停止训练值”,415,...“ScoreAveragingWindowLength”,10,...“SaveAgentCriteria”,“情节奖励”,...“SaveAgentValue”,415);

使用火车培训是一个计算密集型的过程，需要几个小时才能完成。要在运行此示例时节省时间，请通过设置溺爱到错误的.要亲自培训特工，请设置溺爱到符合事实的.

doTraining=false；如果溺爱%培训代理人。培训状态=培训（代理、环境、培训选项）；其他的%加载示例的预训练代理。装载(“FlyingRobotDDPG.mat”,“代理人”)终止

模拟DDPG代理

要验证经过培训的agent的性能，请在环境中模拟agent。有关代理模拟的详细信息，请参见模拟选项和模拟.

simOptions=rlSimulationOptions(“MaxSteps”，maxsteps）；体验=sim（环境、代理、simOptions）；

Figure Flying Robot Visualizer包含一个axes对象。Axis对象包含3个类型为quiver、patch和line的对象。

另见

火车|RLDDPG试剂

训练DDPG代理控制飞行机器人

飞行机器人模型

创建集成模型

行动和观察

创建环境接口

复位功能

创建DDPG代理

列车员

模拟DDPG代理

另见

相关话题

强化学习工具箱文档

金宝app

基于MATLAB和Simulink的强化学习金宝app