RL-IoT：利用强化学习实现与物联网设备的交互
机器学习
2021-09-13 v3 人工智能
网络与互联网体系结构
摘要
我们的生活正日益被物联网（IoT）设备所充斥。这些设备往往依赖于封闭或文档匮乏的协议，其格式与语义均未知。以自主方式学习如何与此类设备交互，是实现互操作性及其能力自动验证的关键。本文提出 RL-IoT，一个探索如何自动与可能未知的 IoT 设备交互的系统。我们利用强化学习（RL）来恢复协议消息的语义，并在最小化交互次数的同时控制设备以达到给定目标。我们假设仅已知一个可能的 IoT 协议消息数据库，但其语义未知。RL-IoT 与目标 IoT 设备交换消息，学习那些有助于达成给定目标的有用命令。我们的结果表明，RL-IoT 能够解决简单与复杂的任务。在参数适当调优的情况下，RL-IoT 学会如何对目标设备（我们的案例研究中为一款 Yeelight 智能灯泡）执行操作，以少至 400 次交互完成非平凡的模式。RL-IoT 为针对文档匮乏的 IoT 协议的自动交互铺平了道路，从而支持互操作系统。
引用
@article{arxiv.2105.00884,
title = {RL-IoT: Reinforcement Learning to Interact with IoT Devices},
author = {Giulia Milan and Luca Vassio and Idilio Drago and Marco Mellia},
journal= {arXiv preprint arXiv:2105.00884},
year = {2021}
}
备注
9 pages, 11 figures, 2021 IEEE International Conference on Omni-Layer Intelligent Systems (COINS)