强化学习与OPC UA结合应用的小型综述
人工智能
2023-10-31 v2
摘要
强化学习(RL)是一种强大的机器学习范式,已应用于机器人、自然语言处理及博弈等多个领域并取得最先进结果。其旨在解决序贯决策问题,从设计上能够从经验中学习,从而适应变化的动态环境。这些能力使其成为工业中复杂过程控制与优化的主要候选技术。充分挖掘该潜力的关键在于将RL无缝集成到现有工业系统中。工业通信标准开放平台通信统一架构(OPC UA)可弥合此差距。然而,由于RL与OPC UA来自不同领域,研究者需弥合两项技术间的鸿沟。本文通过提供两项技术的简要技术概述并进行半穷尽文献综述,以洞察RL与OPC UA如何结合应用,从而弥合此鸿沟。借助该综述,我们沿RL与OPC UA的交叉确定了三个主要研究主题。文献综述结果表明,RL是用于工业过程控制与优化的有前景技术,但尚未具备以合理低代价部署于真实场景所需的标准化接口。
引用
@article{arxiv.2305.15113,
title = {A Mini Review on the utilization of Reinforcement Learning with OPC UA},
author = {Simon Schindler and Martin Uray and Stefan Huber},
journal= {arXiv preprint arXiv:2305.15113},
year = {2023}
}
备注
preprint of Paper submitted to INDIN'23