面向湍流中的游泳运动的物理导引式演员-批评强化学习
系统与控制
2024-11-12 v3 机器学习
系统与控制
混沌动力学
流体动力学
机器学习
摘要
湍流扩散会导致靠近的粒子相互分离。我们研究维持主动粒子靠近其被动跟随粒子所需的游泳 effort。通过开发一种新型的物理信息化强化学习策略并与规定控制和物理不可知的强化学习策略进行比较来探索这些 effort的最优平衡。我们提出的方案称为演员-物理学家，是一种演员-批评算法的变体，其中参数化批评网络的神经网络被取代为解析推导的物理启发函数，即物理学家。我们通过在人工布拉斯-贝特拉米-孩子士流动环境中的大量数值实验验证了所提出的物理信息化强化学习方法，证明其在控制粒子动力学方面优于标准强化学习方法。
引用
@article{arxiv.2406.10242,
title = {Physics-Guided Actor-Critic Reinforcement Learning for Swimming in Turbulence},
author = {Christopher Koh and Laurent Pagnier and Michael Chertkov},
journal= {arXiv preprint arXiv:2406.10242},
year = {2024}
}
备注
11 pages, 10 figures