Simulink 환경 만들기 및 에이전트 훈련시키기

다음 제품이 필요합니다.

이 예제에서는 watertank Simulink® 모델의 PI 제어기를 강화 학습의 DDPG(심층 결정적 정책 경사법) 에이전트로 변환하는 방법을 보여줍니다. MATLAB®에서 DDPG 에이전트를 훈련시키는 예제는 Compare DDPG Agent to LQR Controller 항목을 참조하십시오.

물탱크 모델

이 예제의 원본 모델은 물탱크 모델입니다. 탱크에 있는 물의 수위를 제어하는 것이 목표입니다. 물탱크 모델에 대한 자세한 내용은 watertank Simulink 모델 (Simulink Control Design) 항목을 참조하십시오.

다음과 같이 변경하여 원본 모델을 수정하십시오.

PID 제어기를 삭제합니다.
RL Agent 블록을 삽입합니다.
관측값 벡터 ${[\begin{matrix} \int e dt & e & h \end{matrix}]}^{T}$ 를 연결합니다. 여기서 $h$ 는 탱크 내부의 물 높이이고 $e = r - h$ 와 $r$ 은 기준 높이입니다.
보상 $reward = 10 (| e | < 0.1) - 1 (| e | \geq 0.1) - 100 (h \leq 0 | | h \geq 20)$ 을 설정합니다.
$h \leq 0$ 또는 $h \geq 20$ 에 해당하는 경우 시뮬레이션이 중지되도록 종료 신호를 구성합니다.

결과로 생성되는 모델은 rlwatertank.slx입니다. 이 모델 및 그 변경에 대한 자세한 내용은 Create Custom Simulink Environments 항목을 참조하십시오.

open_system("rlwatertank")

환경 만들기

환경 모델을 만들 때는 다음을 정의해야 합니다.

에이전트가 환경과 상호 작용하기 위해 사용하는 행동 및 관측값 신호. 자세한 내용은 rlNumericSpec 항목과 rlFiniteSetSpec 항목을 참조하십시오.
에이전트가 성공을 측정하기 위해 사용하는 보상 신호. 자세한 내용은 Define Reward and Observation Signals in Custom Environments 항목을 참조하십시오.

관측값 사양 obsInfo 및 행동 사양 actInfo를 정의합니다.

% Observation info
obsInfo = rlNumericSpec([3 1],...
    LowerLimit=[-inf -inf 0  ]',...
    UpperLimit=[ inf  inf inf]');

% Name and description are optional and not used by the software
obsInfo.Name = "observations";
obsInfo.Description = "integrated error, error, and measured height";

% Action info
actInfo = rlNumericSpec([1 1]);
actInfo.Name = "flow";

환경 객체를 만듭니다.

env = rlSimulinkEnv("rlwatertank","rlwatertank/RL Agent",...
    obsInfo,actInfo);

모델에 대한 기준 값을 무작위로 할당하는 사용자 지정 재설정 함수를 설정합니다.

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

시뮬레이션 시간 Tf와 에이전트 샘플 시간 Ts를 초 단위로 지정합니다.

Ts = 1.0;
Tf = 200;

재현이 가능하도록 난수 생성기 시드값을 고정합니다.

rng(0)

크리틱 만들기

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 받고 그 후 정책을 따를 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.

각 신경망 경로를 layer 객체로 구성된 배열로 정의합니다. 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. obsInfo 및 actInfo 사양에서 관측값 공간과 행동 공간의 차원을 가져옵니다.

% Observation path
obsPath = [
    featureInputLayer(obsInfo.Dimension(1),Name="obsInLyr")
    fullyConnectedLayer(50)
    reluLayer
    fullyConnectedLayer(25,Name="obsPathOutLyr")
    ];

% Action path
actPath = [
    featureInputLayer(actInfo.Dimension(1),Name="actInLyr")
    fullyConnectedLayer(25,Name="actPathOutLyr")
    ];

% Common path
commonPath = [
    additionLayer(2,Name="add")
    reluLayer
    fullyConnectedLayer(1,Name="QValue")
    ];

criticNetwork = layerGraph();
criticNetwork = addLayers(criticNetwork,obsPath);
criticNetwork = addLayers(criticNetwork,actPath);
criticNetwork = addLayers(criticNetwork,commonPath);

criticNetwork = connectLayers(criticNetwork, ...
    "obsPathOutLyr","add/in1");
criticNetwork = connectLayers(criticNetwork, ...
    "actPathOutLyr","add/in2");

크리틱 신경망 구성을 확인합니다.

figure
plot(criticNetwork)

Figure contains an axes object. The axes object contains an object of type graphplot.

신경망을 dlnetwork 객체로 변환하고 이 객체의 속성을 요약합니다.

criticNetwork = dlnetwork(criticNetwork);
summary(criticNetwork)

   Initialized: true

   Number of learnables: 1.5k

   Inputs:
      1   'obsInLyr'   3 features
      2   'actInLyr'   1 features

지정된 심층 신경망과 환경 사양 객체를 사용하여, 그리고 신경망 입력값이 관측값 채널 및 행동 채널과 연결되어야 하는 경우에는 이름까지 사용하여 크리틱 근사기 객체를 만듭니다.

critic = rlQValueFunction(criticNetwork, ...
    obsInfo,actInfo, ...
    ObservationInputNames="obsInLyr", ...
    ActionInputNames="actInLyr");

Q-값 함수 객체에 대한 자세한 내용은 rlQValueFunction 항목을 참조하십시오.

임의의 입력 관측값과 행동을 사용하여 크리틱을 확인합니다.

getValue(critic, ...
    {rand(obsInfo.Dimension)}, ...
    {rand(actInfo.Dimension)})

ans = single
    -0.1631

크리틱을 만드는 방법에 대한 자세한 내용은 Create Policies and Value Functions 항목을 참조하십시오.

액터 만들기

DDPG 에이전트는 연속 행동 공간에 대해 연속 결정적 액터가 학습한 파라미터화된 결정적 정책을 사용합니다.

연속 결정적 액터는 연속 행동 공간에 대해 파라미터화된 결정적 정책을 구현합니다. 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.

actorNetwork = [
    featureInputLayer(obsInfo.Dimension(1))
    fullyConnectedLayer(3)
    tanhLayer
    fullyConnectedLayer(actInfo.Dimension(1))
    ];

신경망을 dlnetwork 객체로 변환하고 이 객체의 속성을 요약합니다.

actorNetwork = dlnetwork(actorNetwork);
summary(actorNetwork)

   Initialized: true

   Number of learnables: 16

   Inputs:
      1   'input'   3 features

지정된 심층 신경망과 환경 사양 객체를 사용하여, 그리고 신경망 입력값이 관측값 채널과 연결되어야 하는 경우에는 이름까지 사용하여 액터 근사기 객체를 만듭니다.

actor = rlContinuousDeterministicActor(actorNetwork,obsInfo,actInfo);

자세한 내용은 rlContinuousDeterministicActor 항목을 참조하십시오.

임의의 입력 관측값을 사용하여 액터를 확인합니다.

getAction(actor,{rand(obsInfo.Dimension)})

ans = 1x1 cell array
    {[-0.3408]}

크리틱을 만드는 방법에 대한 자세한 내용은 Create Policies and Value Functions 항목을 참조하십시오.

DDPG 에이전트 만들기

지정된 액터와 크리틱 근사기 객체를 사용하여 DDPG 에이전트를 만듭니다.

agent = rlDDPGAgent(actor,critic);

자세한 내용은 rlDDPGAgent 항목을 참조하십시오.

점 표기법을 사용하여 에이전트, 액터 및 크리틱에 대한 옵션을 지정합니다.

agent.SampleTime = Ts;

agent.AgentOptions.TargetSmoothFactor = 1e-3;
agent.AgentOptions.DiscountFactor = 1.0;
agent.AgentOptions.MiniBatchSize = 64;
agent.AgentOptions.ExperienceBufferLength = 1e6; 

agent.AgentOptions.NoiseOptions.Variance = 0.3;
agent.AgentOptions.NoiseOptions.VarianceDecayRate = 1e-5;

agent.AgentOptions.CriticOptimizerOptions.LearnRate = 1e-03;
agent.AgentOptions.CriticOptimizerOptions.GradientThreshold = 1;
agent.AgentOptions.ActorOptimizerOptions.LearnRate = 1e-04;
agent.AgentOptions.ActorOptimizerOptions.GradientThreshold = 1;

또는 rlDDPGAgentOptions 객체를 사용하여 에이전트 옵션을 지정할 수 있습니다.

임의의 입력 관측값을 사용하여 에이전트를 확인합니다.

getAction(agent,{rand(obsInfo.Dimension)})

ans = 1x1 cell array
    {[-0.7926]}

에이전트 훈련시키기

에이전트를 훈련시키려면 먼저 훈련 옵션을 지정하십시오. 이 예제에서는 다음 옵션을 사용합니다.

최대 5000개의 에피소드에 대해 각 훈련을 실행합니다. 각 에피소드가 최대 ceil(Tf/Ts)개(즉, 200개)의 시간 스텝 동안 지속되도록 지정합니다.
에피소드 관리자 대화 상자에 훈련 진행 상황을 표시하고(Plots 옵션 설정) 명령줄 표시를 비활성화합니다(Verbose 옵션을 false로 설정).
연속 20개의 에피소드 동안 에이전트가 받은 평균 누적 보상이 800보다 크면 훈련을 중지합니다. 이 시점에서 에이전트는 탱크에 있는 물의 수위를 제어할 수 있습니다.

자세한 내용은 rlTrainingOptions 항목을 참조하십시오.

trainOpts = rlTrainingOptions(...
    MaxEpisodes=5000, ...
    MaxStepsPerEpisode=ceil(Tf/Ts), ...
    ScoreAveragingWindowLength=20, ...
    Verbose=false, ...
    Plots="training-progress",...
    StopTrainingCriteria="AverageReward",...
    StopTrainingValue=800);

train 함수를 사용하여 에이전트를 훈련시킵니다. 훈련은 완료하는 데 수 분이 소요되는 계산 집약적인 절차입니다. 이 예제를 실행하는 동안 시간을 절약하려면 doTraining을 false로 설정하여 사전 훈련된 에이전트를 불러오십시오. 에이전트를 직접 훈련시키려면 doTraining을 true로 설정하십시오.

doTraining = false;

if doTraining
    % Train the agent.
    trainingStats = train(agent,env,trainOpts);
else
    % Load the pretrained agent for the example.
    load("WaterTankDDPG.mat","agent")
end

훈련된 에이전트 검증하기

모델에 대해 훈련된 에이전트를 시뮬레이션으로 검증합니다. 재설정 함수는 기준 값을 무작위로 할당하므로, 시뮬레이션 재현이 가능하도록 난수 생성기 시드값을 고정합니다.

rng(1)

환경 내에서 에이전트를 시뮬레이션하고 경험을 출력값으로 반환합니다.

simOpts = rlSimulationOptions(MaxSteps=ceil(Tf/Ts),StopOnError="on");
experiences = sim(env,agent,simOpts);

로컬 재설정 함수

function in = localResetFcn(in)

% Randomize reference signal
blk = sprintf("rlwatertank/Desired \nWater Level");
h = 3*randn + 10;
while h <= 0 || h >= 20
    h = 3*randn + 10;
end
in = setBlockParameter(in,blk,Value=num2str(h));

% Randomize initial height
h = 3*randn + 10;
while h <= 0 || h >= 20
    h = 3*randn + 10;
end
blk = "rlwatertank/Water-Tank System/H";
in = setBlockParameter(in,blk,InitialCondition=num2str(h));

end