이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

비행 로봇을 조종하도록 DDPG 에이전트 훈련시키기

이 예제에서는 Simulink®에서 모델링된 비행 로봇의 궤적을 생성하도록 DDPG(심층 결정적 정책 경사법) 에이전트를 훈련시키는 방법을 보여줍니다. DDPG 에이전트에 대한 자세한 내용은 DDPG(심층 결정적 정책 경사법) 에이전트 항목을 참조하십시오.

비행 로봇 모델

이 예제의 강화 학습 환경은 반경이 15m인 원 주위로 초기 조건이 무작위 할당되는 비행 로봇입니다. 로봇의 방향도 무작위로 할당됩니다. 이 로봇은 로봇을 추진시키고 방향을 조정하는 데 사용되는 두 개의 추력기를 몸체 측면에 장착하고 있습니다. 훈련 목표는 로봇을 초기 조건에서 동쪽을 향하는 원점으로 움직이는 것입니다.

모델을 엽니다.

mdl = 'rlFlyingRobotEnv';
open_system(mdl)

초기 모델 상태 변수를 설정합니다.

theta0 = 0;
x0 = -15;
y0 = 0;

샘플 시간 Ts와 시뮬레이션 지속 시간 Tf를 정의합니다.

Ts = 0.4;
Tf = 30;

이 모델의 경우 다음이 적용됩니다.

• 목표 방향은 0rad(로봇이 동쪽을 향함)입니다.

• 각 액추에이터의 추력 범위는 -1N~1N입니다.

• 환경에서 관측하는 값은 로봇의 위치와 방향(방향의 사인과 코사인), 속도 및 각속도입니다.

• 매 시간 스텝마다 제공되는 보상 ${\mathit{r}}_{\mathit{t}}$는 다음과 같습니다.

$${\mathit{r}}_1=10\left(\left({{\mathit{x}}_{\mathit{t}}}^2+{{\mathit{y}}_{\mathit{t}}}^2+{\theta }_{\mathit{t}}{}^2\right)<0.5\right)$$

$${\mathit{r}}_2=-100\left(\left|{\mathit{x}}_{\mathit{t}}\right|\ge 20\left|\right|\left|{\mathit{y}}_{\mathit{t}}\right|\ge 20\right)$$

$${\mathit{r}}_3=-\left(0.2{\left({\mathit{R}}_{\mathit{t}-1}+{\mathit{L}}_{\mathit{t}-1}\right)}^2+0.3{\left({\mathit{R}}_{\mathit{t}-1}-{\mathit{L}}_{\mathit{t}-1}\right)}^2+0.03{{\mathit{x}}_{\mathit{t}}}^2+0.03{{\mathit{y}}_{\mathit{t}}}^2+0.02{\theta }_{\mathit{t}}{}^2\right)$$

$${\mathit{r}}_{\mathit{t}}={\mathit{r}}_1+{\mathit{r}}_2+{\mathit{r}}_3$$

여기서 각 요소는 다음과 같습니다.

• ${\mathit{x}}_{\mathit{t}}$는 x축 상의 로봇의 위치입니다.

• ${\mathit{y}}_{\mathit{t}}$는 y축 상의 로봇의 위치입니다.

• $\theta {}_{\mathit{t}}$는 로봇의 방향입니다.

• ${\mathit{L}}_{\mathit{t}-1}$은 왼쪽 추력기의 제어 노력입니다.

• ${\mathit{R}}_{\mathit{t}-1}$은 오른쪽 추력기의 제어 노력입니다.

• ${\mathit{r}}_1$은 로봇이 목표에 근접할 때 주어지는 보상입니다.

• ${\mathit{r}}_2$는 로봇이 x 또는 y 방향으로 20 m를 벗어나서 구동할 때 주어지는 벌점입니다. ${\mathit{r}}_2<0$이면 시뮬레이션이 종료됩니다.

• ${\mathit{r}}_3$은 목표로부터의 거리와 제어 노력에 벌점을 적용하는 QR 벌점입니다.

통합 모델 만들기

FlyingRobotEnv 모델에 대해 에이전트를 훈련시키기 위해, createIntegratedEnv 함수를 사용하여 훈련 준비가 된 RL Agent 블록이 포함된 통합 모델을 자동으로 생성합니다.

integratedMdl = 'IntegratedFlyingRobot';
[~,agentBlk,observationInfo,actionInfo] = createIntegratedEnv(mdl,integratedMdl);

행동 및 관측값

환경 객체를 만들기 전에 관측값 사양과 행동 사양의 이름을 지정하고 추력 행동의 범위를 -1 ~1로 지정합니다.

이 환경의 관측값 신호는 $\mathrm{observation}={\left[\begin{array}{ccccccc}\mathit{x}& \mathit{y}& \dot{\mathit{x}}& \dot{\mathit{y}}& \sin \left(\theta \right)& \cos \left(\theta \right)& \dot{\theta }\end{array}\right]}^{\mathit{T}}$입니다.

numObs = prod(observationInfo.Dimension);
observationInfo.Name = 'observations';

이 환경의 행동 신호는 $\mathrm{action}={\left[\begin{array}{cc}{\mathit{T}}_{\mathit{R}}& {\mathit{T}}_{\mathit{L}}\end{array}\right]}^{\mathit{T}}$입니다.

numAct = prod(actionInfo.Dimension);
actionInfo.LowerLimit = -ones(numAct,1);
actionInfo.UpperLimit =  ones(numAct,1);
actionInfo.Name = 'thrusts';

환경 인터페이스 만들기

통합 모델을 사용하여 비행 로봇의 환경 인터페이스를 만듭니다.

env = rlSimulinkEnv(integratedMdl,agentBlk,observationInfo,actionInfo);

재설정 함수

사용자 지정 재설정 함수를 만들어서 로봇에게 반경이 15m인 원을 따르는 초기 위치와 초기 방향을 무작위로 할당합니다. 재설정 함수에 대한 자세한 내용은 flyingRobotResetFcn을 참조하십시오.

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

재현이 가능하도록 난수 생성기 시드값을 고정합니다.

rng(0)

DDPG 에이전트 만들기

DDPG 에이전트는 관측값과 행동이 주어지면 크리틱 가치 함수 표현을 사용하여 장기 보상을 근사합니다. 크리틱을 만들려면 먼저 2개의 입력값(관측값과 행동) 및 1개의 출력값을 갖는 심층 신경망을 만드십시오. 신경망 가치 함수 표현을 만드는 방법에 대한 자세한 내용은 Create Policies and Value Functions 항목을 참조하십시오.

% Specify the number of outputs for the hidden layers.
hiddenLayerSize = 100; 

observationPath = [
    featureInputLayer(numObs,'Normalization','none','Name','observation')
    fullyConnectedLayer(hiddenLayerSize,'Name','fc1')
    reluLayer('Name','relu1')
    fullyConnectedLayer(hiddenLayerSize,'Name','fc2')
    additionLayer(2,'Name','add')
    reluLayer('Name','relu2')
    fullyConnectedLayer(hiddenLayerSize,'Name','fc3')
    reluLayer('Name','relu3')
    fullyConnectedLayer(1,'Name','fc4')];
actionPath = [
    featureInputLayer(numAct,'Normalization','none','Name','action')
    fullyConnectedLayer(hiddenLayerSize,'Name','fc5')];

% Create the layer graph.
criticNetwork = layerGraph(observationPath);
criticNetwork = addLayers(criticNetwork,actionPath);

% Connect actionPath to observationPath.
criticNetwork = connectLayers(criticNetwork,'fc5','add/in2');

% Create dlnetwork from layer graph
criticNetwork = dlnetwork(criticNetwork);

rlOptimizerOptions를 사용하여 크리틱에 대한 옵션을 지정합니다.

criticOptions = rlOptimizerOptions('LearnRate',1e-03,'GradientThreshold',1);

지정된 신경망과 옵션을 사용하여 크리틱 표현을 만듭니다. 크리틱에 대한 행동 사양과 관측값 사양도 지정해야 합니다. 자세한 내용은 rlQValueFunction 항목을 참조하십시오.

critic = rlQValueFunction(criticNetwork,observationInfo,actionInfo,...
    'ObservationInputNames','observation','ActionInputNames','action');

DDPG 에이전트는 관측값이 주어지면 액터 표현을 사용하여 어떤 행동을 수행할지 결정합니다. 액터를 만들려면 먼저 1개의 입력값(관측값)과 1개의 출력값(행동)을 갖는 심층 신경망을 만드십시오.

크리틱과 비슷한 방식으로 액터를 생성합니다. 자세한 내용은 rlContinuousDeterministicActor 항목을 참조하십시오.

actorNetwork = [
    featureInputLayer(numObs,'Normalization','none','Name','observation')
    fullyConnectedLayer(hiddenLayerSize,'Name','fc1')
    reluLayer('Name','relu1')
    fullyConnectedLayer(hiddenLayerSize,'Name','fc2')
    reluLayer('Name','relu2')
    fullyConnectedLayer(hiddenLayerSize,'Name','fc3')
    reluLayer('Name','relu3')
    fullyConnectedLayer(numAct,'Name','fc4')
    tanhLayer('Name','tanh1')];
actorNetwork = dlnetwork(actorNetwork);

actorOptions = rlOptimizerOptions('LearnRate',1e-04,'GradientThreshold',1);

actor = rlContinuousDeterministicActor(actorNetwork,observationInfo,actionInfo);

DDPG 에이전트를 만들려면 먼저 rlDDPGAgentOptions 객체를 사용하여 DDPG 에이전트 옵션을 지정하십시오.

agentOptions = rlDDPGAgentOptions(...
    'SampleTime',Ts,...
    'ActorOptimizerOptions',actorOptions,...
    'CriticOptimizerOptions',criticOptions,...
    'ExperienceBufferLength',1e6 ,...
    'MiniBatchSize',256);
agentOptions.NoiseOptions.Variance = 1e-1;
agentOptions.NoiseOptions.VarianceDecayRate = 1e-6;

그런 다음, 지정된 액터 표현, 크리틱 표현, 에이전트 옵션을 사용하여 에이전트를 만듭니다. 자세한 내용은 rlDDPGAgent 항목을 참조하십시오.

agent = rlDDPGAgent(actor,critic,agentOptions);

에이전트 훈련시키기

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

• 최대 20000개의 에피소드에 대해 각각 훈련을 실행하며, 각 에피소드마다 최대 ceil(Tf/Ts)개의 시간 스텝이 지속됩니다.

• 에피소드 관리자 대화 상자에 훈련 진행 상황을 표시하고(Plots 옵션 설정) 명령줄 표시를 비활성화합니다(Verbose 옵션을 false로 설정).

• 연속 10개의 에피소드 동안 에이전트가 받은 평균 누적 보상이 415보다 크면 훈련을 중지합니다. 이 시점에서 에이전트는 비행 로봇을 목표 위치로 움직일 수 있습니다.

• 누적 보상이 415보다 큰 각 에피소드마다 에이전트의 복사본을 저장합니다.

자세한 내용은 rlTrainingOptions 항목을 참조하십시오.

maxepisodes = 20000;
maxsteps = ceil(Tf/Ts);
trainingOptions = rlTrainingOptions(...
    'MaxEpisodes',maxepisodes,...
    'MaxStepsPerEpisode',maxsteps,...
    'StopOnError',"on",...
    'Verbose',false,...
    'Plots',"training-progress",...
    'StopTrainingCriteria',"AverageReward",...
    'StopTrainingValue',415,...
    'ScoreAveragingWindowLength',10,...
    'SaveAgentCriteria',"EpisodeReward",...
    'SaveAgentValue',415); 

train 함수를 사용하여 에이전트를 훈련시킵니다. 훈련은 완료하는 데 몇 시간이 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,trainingOptions);
else
    % Load the pretrained agent for the example.
    load('FlyingRobotDDPG.mat','agent')       
end

DDPG 에이전트 시뮬레이션하기

훈련된 에이전트의 성능을 검증하려면 환경 내에서 에이전트를 시뮬레이션하십시오. 에이전트 시뮬레이션에 대한 자세한 내용은 rlSimulationOptions 항목과 sim 항목을 참조하십시오.

simOptions = rlSimulationOptions('MaxSteps',maxsteps);
experience = sim(env,agent,simOptions);

참고 항목

train | rlDDPGAgent

관련 항목

• 강화 학습 에이전트 훈련시키기

×

예제 열기

이 예제의 수정된 버전이 있습니다. 사용자가 편집한 내용을 반영하여 이 예제를 여시겠습니까?

아니요, 수정된 버전을 덮어씁니다. 예