rlDDPGAgent
DDPG(심층 결정적 정책 경사) 강화 학습 에이전트
설명
DDPG(심층 결정적 정책 경사) 알고리즘은 연속 행동-공간이 있는 환경을 위한 오프-폴리시 액터-크리틱 방법입니다. DDPG 에이전트는 결정적 정책을 학습하는 동시에 Q-값 함수 크리틱을 사용하여 최적의 정책 값을 추정합니다. 이 에이전트는 타깃 액터 및 크리틱뿐 아니라 경험 버퍼를 특징으로 합니다. DDPG 에이전트는 오프라인 훈련(환경 없이, 저장된 데이터에서 훈련)을 지원합니다.
자세한 내용은 DDPG(심층 결정적 정책 경사) 에이전트 항목을 참조하십시오. 다양한 유형의 강화 학습 에이전트에 대한 자세한 내용은 강화 학습 에이전트 항목을 참조하십시오.
생성
구문
설명
관측값 사양과 행동 사양을 사용하여 에이전트 생성
agent = rlDDPGAgent(observationInfo,actionInfo)observationInfo와 행동 사양 actionInfo로부터 구축된 디폴트 심층 신경망을 사용합니다. agent의 ObservationInfo 및 ActionInfo 속성은 각각 observationInfo 및 actionInfo 입력 인수로 설정됩니다.
agent = rlDDPGAgent(observationInfo,actionInfo,initOpts)initOpts 객체에 지정된 옵션을 사용하여 구성된 디폴트 신경망을 사용합니다. 초기화 옵션에 대한 자세한 내용은 rlAgentInitializationOptions를 참조하십시오.
액터와 크리틱을 사용하여 에이전트 생성
에이전트 옵션 지정
agent = rlDDPGAgent(___,agentOptions)AgentOptions 속성을 agentOptions 입력 인수로 설정합니다. 이 구문은 위에 열거된 구문에 나와 있는 입력 인수 다음에 사용하십시오.
입력 인수
속성
객체 함수
train | Train reinforcement learning agents within a specified environment |
sim | Simulate trained reinforcement learning agents within specified environment |
getAction | Obtain action from agent, actor, or policy object given environment observations |
getActor | Extract actor from reinforcement learning agent |
setActor | Set actor of reinforcement learning agent |
getCritic | Extract critic from reinforcement learning agent |
setCritic | Set critic of reinforcement learning agent |
generatePolicyFunction | Generate MATLAB function that evaluates policy of an agent or policy object |
예제
연속 행동 공간이 있는 환경을 만들고 관측값 사양과 행동 사양을 가져옵니다. 이 예제에서는 예제 Compare DDPG Agent to LQR Controller에 사용된 환경을 불러옵니다. 환경에서 관측하는 값은 질량의 위치와 속도를 포함하는 벡터입니다. 행동은 질량에 가해지는 힘을 나타내는 스칼라로서, -2N에서 2N까지 연속된 범위를 갖습니다.
env = rlPredefinedEnv("DoubleIntegrator-Continuous");관측값 사양과 행동 사양을 가져옵니다.
obsInfo = getObservationInfo(env); actInfo = getActionInfo(env);
에이전트 생성 함수는 액터 및 크리틱 신경망을 무작위로 초기화합니다. 난수 생성기의 시드값을 고정하여 섹션의 재현이 가능하도록 합니다.
rng(0)
환경 관측값 사양과 행동 사양을 사용하여 정책 경사 에이전트를 만듭니다.
agent = rlDDPGAgent(obsInfo,actInfo)
agent =
rlDDPGAgent with properties:
ExperienceBuffer: [1×1 rl.replay.rlReplayMemory]
AgentOptions: [1×1 rl.option.rlDDPGAgentOptions]
UseExplorationPolicy: 0
ObservationInfo: [1×1 rl.util.rlNumericSpec]
ActionInfo: [1×1 rl.util.rlNumericSpec]
SampleTime: 1
에이전트를 확인하기 위해 getAction을 사용하여 임의 관측값에서 행동을 반환합니다.
getAction(agent,{rand(obsInfo(1).Dimension)})ans = 1×1 cell array
{[0.0182]}
이제 환경 내에서 에이전트를 테스트하고 훈련시킬 수 있습니다. 또한 getActor와 getCritic을 사용하여 액터와 크리틱을 각각 추출하고, getModel을 사용하여 액터나 크리틱으로부터 근사기 모델(기본적으로 심층 신경망)을 추출할 수도 있습니다.
연속 행동 공간이 있는 환경을 만들고 관측값 사양과 행동 사양을 가져옵니다. 이 예제에서는 예제 Train DDPG Agent to Swing Up and Balance Pendulum with Image Observation에 사용된 환경을 불러옵니다. 이 환경은 두 가지의 관측값을 가집니다. 하나는 50×50 회색조 영상이고 다른 하나는 진자의 각속도를 나타내는 스칼라입니다. 행동은 -2Nm에서 2Nm까지 연속된 범위의 토크를 나타내는 스칼라입니다.
env = rlPredefinedEnv("SimplePendulumWithImage-Continuous");관측값 사양과 행동 사양을 가져옵니다.
obsInfo = getObservationInfo(env); actInfo = getActionInfo(env);
신경망에서 은닉 완전 연결 계층이 갖는 뉴런 수를 (디폴트 개수인 256개 대신에) 128개로 지정하여 agent initialization option 객체를 만듭니다.
initOpts = rlAgentInitializationOptions(NumHiddenUnit=128);
에이전트 생성 함수는 액터 및 크리틱 신경망을 무작위로 초기화합니다. 난수 생성기의 시드값을 고정하여 재현이 가능하도록 할 수 있습니다.
rng(0)
환경 관측값 사양과 행동 사양을 사용하여 DDPG 에이전트를 만듭니다.
agent = rlDDPGAgent(obsInfo,actInfo,initOpts);
에이전트 액터와 크리틱에서 각각 심층 신경망을 추출합니다.
actorNet = getModel(getActor(agent)); criticNet = getModel(getCritic(agent));
은닉 완전 연결 계층이 각각 128개의 뉴런을 갖는지 확인하려면 해당 계층을 다음과 같이 MATLAB® 명령 창에 표시할 수 있습니다.
criticNet.Layers
또는 다음과 같이 analyzeNetwork를 사용하여 대화형 방식으로 구조를 시각화할 수 있습니다.
analyzeNetwork(criticNet)
액터 신경망과 크리틱 신경망을 플로팅합니다.
plot(actorNet)
plot(criticNet)
에이전트를 확인하기 위해 getAction을 사용하여 임의 관측값에서 행동을 반환합니다.
getAction(agent,{rand(obsInfo(1).Dimension),rand(obsInfo(2).Dimension)})ans = 1×1 cell array
{[-0.0364]}
이제 환경 내에서 에이전트를 테스트하고 훈련시킬 수 있습니다.
연속 행동 공간이 있는 환경을 만들고 관측값 사양과 행동 사양을 가져옵니다. 이 예제에서는 예제 Compare DDPG Agent to LQR Controller에 사용된 환경을 불러옵니다. 환경에서 관측하는 값은 질량의 위치와 속도를 포함하는 벡터입니다. 행동은 -2N에서 2N까지 연속된 범위의 힘을 나타내는 스칼라입니다.
env = rlPredefinedEnv("DoubleIntegrator-Continuous");환경 관측값 사양 객체와 행동 사양 객체를 가져옵니다.
obsInfo = getObservationInfo(env); actInfo = getActionInfo(env);
액터 신경망과 크리틱 신경망은 무작위로 초기화됩니다. 난수 생성기의 시드값을 고정하여 섹션의 재현이 가능하도록 합니다.
rng(0)
DDPG 에이전트는 파라미터화된 Q-값 함수 근사기를 사용하여 정책의 값을 추정합니다. Q-값 함수 크리틱은 현재 관측값과 행동을 입력값으로 받고 single형 스칼라를 출력값(현재 관측값에 해당하는 상태로부터 행동을 취하고 이후 정책을 따랐을 때 추정되는 감가된 누적 장기 보상)으로 반환합니다.
크리틱 내에서 파라미터화된 Q-값 함수를 모델링하려면 두 개의 입력 계층(obsInfo로 지정된 대로 관측값 채널에 대한 입력 계층 및 actInfo로 지정된 대로 행동 채널에 대한 입력 계층)과 (스칼라 값을 반환하는) 하나의 출력 계층을 갖는 신경망을 사용하십시오.
prod(obsInfo.Dimension)과 prod(actInfo.Dimension)은 행 벡터, 열 벡터 또는 행렬로 정렬되는지에 관계없이 각각 관측값 공간과 행동 공간의 차원 수를 반환합니다.
각 신경망 경로를 layer 객체로 구성된 배열로 정의하고 각 경로의 입력 계층과 출력 계층에 이름을 할당합니다. 이러한 이름을 사용하면 경로를 연결한 다음 나중에 신경망 입력 계층 및 출력 계층을 적절한 환경 채널과 명시적으로 연결할 수 있습니다.
% Define observation and action paths obsPath = featureInputLayer(prod(obsInfo.Dimension),Name="obsInLyr"); actPath = featureInputLayer(prod(actInfo.Dimension),Name="actInLyr"); % Define common path: concatenate along first dimension. commonPath = [ concatenationLayer(1,2,Name="concat") fullyConnectedLayer(50) reluLayer fullyConnectedLayer(1) ];
dlnetwork 객체를 조합하고 계층을 추가합니다.
criticNet = dlnetwork; criticNet = addLayers(criticNet, obsPath); criticNet = addLayers(criticNet, actPath); criticNet = addLayers(criticNet, commonPath);
경로를 연결합니다.
criticNet = connectLayers(criticNet,"obsInLyr","concat/in1"); criticNet = connectLayers(criticNet,"actInLyr","concat/in2");
신경망을 플로팅합니다.
plot(criticNet)
신경망을 초기화합니다.
criticNet = initialize(criticNet);
가중치 개수를 표시합니다.
summary(criticNet)
Initialized: true
Number of learnables: 251
Inputs:
1 'obsInLyr' 2 features
2 'actInLyr' 1 features
criticNet, 환경 관측값 및 행동 사양, 그리고 환경 관측값 채널 및 행동 채널과 연결할 신경망 입력 계층의 이름을 사용하여 크리틱 근사기 객체를 만듭니다. 자세한 내용은 rlQValueFunction 항목을 참조하십시오.
critic = rlQValueFunction(criticNet,obsInfo,actInfo,... ObservationInputNames="obsInLyr", ... ActionInputNames="actInLyr");
임의의 관측값 입력값과 행동 입력값을 사용하여 크리틱을 확인합니다.
getValue(critic,{rand(obsInfo.Dimension)},{rand(actInfo.Dimension)})ans = single
-0.4260
DDPG 에이전트는 연속 행동 공간에 대해 연속 결정적 액터가 학습한 파라미터화된 결정적 정책을 사용합니다. 이 액터는 현재 관측값을 입력값으로 받고 관측값의 결정적 함수인 행동을 출력값으로 반환합니다.
액터 내에서 파라미터화된 정책을 모델링하려면 (obsInfo로 지정된 대로 환경 관측값 채널의 내용을 받는) 하나의 입력 계층과 (actInfo로 지정된 대로 환경 행동 채널에 행동을 반환하는) 하나의 출력 계층을 갖는 신경망을 사용하십시오.
신경망을 layer 객체로 구성된 배열로 정의합니다.
actorNet = [
featureInputLayer(prod(obsInfo.Dimension))
fullyConnectedLayer(16)
tanhLayer
fullyConnectedLayer(16)
tanhLayer
fullyConnectedLayer(prod(actInfo.Dimension))
];dlnetwork 객체로 변환합니다.
actorNet = dlnetwork(actorNet);
신경망을 초기화합니다.
actorNet = initialize(actorNet);
가중치 개수를 표시합니다.
summary(actorNet)
Initialized: true
Number of learnables: 337
Inputs:
1 'input' 2 features
actorNet과 관측값 및 행동 사양을 사용하여 액터를 만듭니다. 연속 결정적 액터에 대한 자세한 내용은 rlContinuousDeterministicActor 항목을 참조하십시오.
actor = rlContinuousDeterministicActor(actorNet,obsInfo,actInfo);
임의의 관측값 입력값을 사용하여 액터를 확인합니다.
getAction(actor,{rand(obsInfo.Dimension)})ans = 1×1 cell array
{[-0.5493]}
액터와 크리틱을 사용하여 DDPG 에이전트를 만듭니다.
agent = rlDDPGAgent(actor,critic)
agent =
rlDDPGAgent with properties:
ExperienceBuffer: [1×1 rl.replay.rlReplayMemory]
AgentOptions: [1×1 rl.option.rlDDPGAgentOptions]
UseExplorationPolicy: 0
ObservationInfo: [1×1 rl.util.rlNumericSpec]
ActionInfo: [1×1 rl.util.rlNumericSpec]
SampleTime: 1
액터와 크리틱에 대한 훈련 옵션을 포함하여 에이전트 옵션을 지정합니다.
agent.AgentOptions.SampleTime=env.Ts; agent.AgentOptions.TargetSmoothFactor=1e-3; agent.AgentOptions.ExperienceBufferLength=1e6; agent.AgentOptions.DiscountFactor=0.99; agent.AgentOptions.MiniBatchSize=32; agent.AgentOptions.CriticOptimizerOptions.LearnRate=5e-3; agent.AgentOptions.CriticOptimizerOptions.GradientThreshold=1; agent.AgentOptions.ActorOptimizerOptions.LearnRate=1e-4; agent.AgentOptions.ActorOptimizerOptions.GradientThreshold=1;
임의의 관측값 입력값을 사용하여 에이전트를 확인합니다.
getAction(agent,{rand(obsInfo.Dimension)})ans = 1×1 cell array
{[-0.5947]}
이제 환경 내에서 에이전트를 훈련시킬 수 있습니다.
이 예제에서는 예제 Compare DDPG Agent to LQR Controller에 사용된 환경을 불러옵니다. 환경에서 관측하는 값은 질량의 위치와 속도를 포함하는 벡터입니다. 행동은 -2N에서 2N까지 연속된 범위의 힘을 나타내는 스칼라입니다.
env = rlPredefinedEnv("DoubleIntegrator-Continuous");관측값 객체와 행동 사양 객체를 가져옵니다.
obsInfo = getObservationInfo(env); actInfo = getActionInfo(env);
DDPG 에이전트는 파라미터화된 Q-값 함수 근사기를 사용하여 정책의 값을 추정합니다.
크리틱 내에서 파라미터화된 Q-값 함수를 모델링하려면, 순환 신경망을 사용하십시오. 이때 이 순환 신경망은 두 개의 입력 계층과 (스칼라 값을 반환하는) 한 개의 출력 계층을 가져야 합니다.
각 신경망 경로를 layer 객체로 구성된 배열로 정의합니다. 순환 신경망을 만들기 위해 sequenceInputLayer를 입력 계층으로 사용하고 lstmLayer를 다른 신경망 계층 중 하나로 포함합니다.
% Define observation and action paths obsPath = sequenceInputLayer(prod(obsInfo.Dimension),Name="netOin"); actPath = sequenceInputLayer(prod(actInfo.Dimension),Name="netAin"); % Define common path: concatenate along first dimension commonPath = [ concatenationLayer(1,2,Name="cat") lstmLayer(50) reluLayer fullyConnectedLayer(1) ];
dlnetwork 객체를 만들고 계층을 추가합니다.
criticNet = dlnetwork(); criticNet = addLayers(criticNet, obsPath); criticNet = addLayers(criticNet, actPath); criticNet = addLayers(criticNet, commonPath);
계층을 연결합니다.
criticNet = connectLayers(criticNet,"netOin","cat/in1"); criticNet = connectLayers(criticNet,"netAin","cat/in2");
신경망을 플로팅합니다.
plot(criticNet)
신경망을 초기화하고 가중치 개수를 표시합니다.
criticNet = initialize(criticNet); summary(criticNet)
Initialized: true
Number of learnables: 10.8k
Inputs:
1 'netOin' Sequence input with 2 dimensions
2 'netAin' Sequence input with 1 dimensions
criticNet, 환경 관측값 및 행동 사양, 그리고 환경 관측값 채널 및 행동 채널과 연결할 신경망 입력 계층의 이름을 사용하여 크리틱 근사기 객체를 만듭니다. 자세한 내용은 rlQValueFunction 항목을 참조하십시오.
critic = rlQValueFunction(criticNet,obsInfo,actInfo,... ObservationInputNames="netOin",ActionInputNames="netAin");
임의의 관측값 입력값과 행동 입력값을 사용하여 크리틱을 확인합니다.
getValue(critic,{rand(obsInfo.Dimension)},{rand(actInfo.Dimension)})ans = single
-0.0074
DDPG 에이전트는 연속 결정적 액터를 사용하여 정책을 근사합니다. 크리틱이 순환 신경망을 가지므로 액터도 순환 신경망을 사용해야 합니다.
신경망을 layer 객체로 구성된 배열로 정의합니다.
actorNet = [
sequenceInputLayer(prod(obsInfo.Dimension))
lstmLayer(10)
reluLayer
fullyConnectedLayer(prod(actInfo.Dimension))
];dlnetwork 객체로 변환하고, 신경망을 초기화한 후, 가중치 개수를 표시합니다.
actorNet = dlnetwork(actorNet); actorNet = initialize(actorNet); summary(actorNet)
Initialized: true
Number of learnables: 531
Inputs:
1 'sequenceinput' Sequence input with 2 dimensions
actorNet과 관측값 및 행동 사양을 사용하여 액터를 만듭니다. 연속 결정적 액터에 대한 자세한 내용은 rlContinuousDeterministicActor 항목을 참조하십시오.
actor = rlContinuousDeterministicActor(actorNet,obsInfo,actInfo);
임의의 관측값 입력값을 사용하여 액터를 확인합니다.
getAction(actor,{rand(obsInfo.Dimension)})ans = 1×1 cell array
{[0.0246]}
크리틱에 대한 몇 가지 훈련 옵션을 지정합니다.
criticOpts = rlOptimizerOptions( ...
LearnRate=5e-3,GradientThreshold=1);액터에 대한 몇 가지 훈련 옵션을 지정합니다.
actorOpts = rlOptimizerOptions( ...
LearnRate=1e-4,GradientThreshold=1);에이전트 옵션을 지정합니다. 순환 신경망을 갖는 DDPG 에이전트를 사용하려면 SequenceLength를 1보다 큰 값으로 지정해야 합니다.
agentOpts = rlDDPGAgentOptions(... SampleTime=env.Ts,... TargetSmoothFactor=1e-3,... ExperienceBufferLength=1e6,... DiscountFactor=0.99,... SequenceLength=20,... MiniBatchSize=32, ... CriticOptimizerOptions=criticOpts, ... ActorOptimizerOptions=actorOpts);
액터와 크리틱을 사용하여 DDPG 에이전트를 만듭니다.
agent = rlDDPGAgent(actor,critic,agentOpts)
agent =
rlDDPGAgent with properties:
ExperienceBuffer: [1×1 rl.replay.rlReplayMemory]
AgentOptions: [1×1 rl.option.rlDDPGAgentOptions]
UseExplorationPolicy: 0
ObservationInfo: [1×1 rl.util.rlNumericSpec]
ActionInfo: [1×1 rl.util.rlNumericSpec]
SampleTime: 0.1000
에이전트를 확인하기 위해 임의 관측값에서 행동을 반환합니다.
getAction(agent,{rand(obsInfo.Dimension)})ans = 1×1 cell array
{[0.0158]}
순차적인 관측값을 사용하여 에이전트를 실행하려면 시퀀스 길이(시간) 차원을 사용합니다. 예를 들어, 9개의 순차적 관측값에 대한 행동을 구합니다.
[action,state] = getAction(agent, ...
{rand([obsInfo.Dimension 1 9])});관측값의 일곱 번째 요소에 해당하는 행동을 표시합니다.
action = action{1};
action(1,1,1,7)ans = 0.0780
이제 환경 내에서 에이전트를 테스트하고 훈련시킬 수 있습니다.
버전 내역
R2019a에 개발됨
