一种面向工业环境部署强化学习的架构
人工智能
2023-06-05 v1 系统与控制
系统与控制
摘要
工业4.0由更短的产品上市时间、产品大规模定制以及单件批量生产等需求所驱动。强化学习（RL）作为一种机器学习范式，已被证明在众多复杂任务中具备提升乃至超越人类水平表现的巨大潜力，可用于应对上述需求。本文提出了一种基于OPC UA且感知运营技术（OT）的RL架构，其扩展了标准RL设定，并将其与数字孪生设定相结合。此外，我们定义了OPC UA信息模型，支持一种类通用即插即用的方式来交换所使用的RL智能体。最后，我们通过构建概念验证来演示并评估该架构。借助求解一个玩具示例，我们表明该架构可用于基于真实控制系统确定最优策略。
引用
@article{arxiv.2306.01420,
title = {An Architecture for Deploying Reinforcement Learning in Industrial Environments},
author = {Georg Schäfer and Reuf Kozlica and Stefan Wegenkittl and Stefan Huber},
journal= {arXiv preprint arXiv:2306.01420},
year = {2023}
}
备注
This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution is published in Computer Aided Systems Theory - EUROCAST 2022 and is available online at https://doi.org/10.1007/978-3-031-25312-6_67