受工业控制问题启发的基准环境
人工智能
2022-11-28 v3 机器学习
系统与控制
摘要
在强化学习研究领域，不断有新颖且有前景的方法被开发并引入 RL 社区。然而，尽管许多研究人员渴望将其方法应用于现实世界的问题，但在真实的工业环境中实现这些方法往往是一个令人沮丧且乏味的过程。通常，学术研究小组对真实的工业数据和应用的访问权限有限。因此，新方法通常使用人工软件基准进行开发、评估和比较。一方面，这些基准旨在提供可解释的 RL 训练场景，并深入了解手头方法的学习过程。另一方面，它们通常与工业实际应用没有太多相似之处。出于这个原因，我们利用我们的工业经验设计了一个基准，以弥合免费、有文档记录且有动机的人工基准与真实工业问题特性之间的差距。由此产生的工业基准已通过在 Github 上发布其 Java 和 Python 代码（包括 OpenAI Gym 包装器）向 RL 社区公开。在本文中，我们阐述了 IB 的动机并详细描述了其动力学，同时确定了能够捕捉现实世界工业控制问题中常见情况的典型实验设置。
关键词
引用
@article{arxiv.1709.09480,
title = {A Benchmark Environment Motivated by Industrial Control Problems},
author = {Daniel Hein and Stefan Depeweg and Michel Tokic and Steffen Udluft and Alexander Hentschel and Thomas A. Runkler and Volkmar Sterzing},
journal= {arXiv preprint arXiv:1709.09480},
year = {2022}
}