泵调度问题：强化学习的真实世界场景
机器学习
2025-05-13 v2 人工智能
系统与控制
系统与控制
摘要
深度强化学习（DRL）在游戏与机器人等任务定义明确的领域已展现出令人印象深刻的成果。然而，少有 DRL 基准扎根于复杂真实世界环境，其中安全约束、部分可观测性以及对人工设计任务表示的需求带来了显著挑战。为助弥合此差距，我们引入了一个基于真实世界配水设施中泵调度问题的测试平台。该任务涉及控制水泵以保障可靠供水，同时最小化能耗并遵守系统约束。我们的测试平台包含真实模拟器、来自人工控制的三年的高分辨率（1 分钟）运行数据，以及一个基线 RL 任务表述。该测试平台支持广泛的研究方向，包括离线 RL、安全探索、逆 RL 与多目标优化。
引用
@article{arxiv.2210.11111,
title = {The Pump Scheduling Problem: A Real-World Scenario for Reinforcement Learning},
author = {Henrique Donâncio and Laurent Vercouter and Harald Roclawski},
journal= {arXiv preprint arXiv:2210.11111},
year = {2025}
}