主要内容

createIntegratedEnv

创建动态仿真模块以参考模型为环境的强化学习模型

描述

env= createIntegratedEnv (refModelnewModel创建一个模型®的名称指定的模型newModel并返回一个强化学习环境对象,env,对于这个模型。新模型包含RL代理块,并使用参考模型refModel作为一个强化学习环境,用于训练由该块指定的代理。

例子

envagentBlockobsInfoactInfo) = createIntegratedEnv (___对象的块路径RL代理块中的新模型和观测动作数据规格为参考模型,obsInfo而且actInfo,分别。

例子

___) = createIntegratedEnv (___名称,值使用使用一个或多个指定的端口、观察和操作信息创建模型和环境接口名称,值对参数。

例子

全部折叠

这个例子展示了如何使用createIntegratedEnv从一个Simulink模型开始创建一个环境对象,该模型实现了代理所使用的系统。这样的系统通常被称为植物,开环系统,或参考系统,而包括代理在内的整个(综合)系统常被称为闭环系统。

对于本例,使用中描述的飞行机器人模型训练DDPG代理控制飞行机器人作为参考(开环)系统。

打开飞行机器人模型。

open_system (“rlFlyingRobotEnv”

初始化状态变量和采样时间。

%初始模型状态变量theta0 = 0;x0 = -15;y0 = 0;%样品时间t = 0.4;

创建Simulink模型myIntegratedEnv包含以闭环连接到代理块的飞行机器人模型。该函数还返回强化学习环境对象env用于训练

env = createIntegratedEnv (“rlFlyingRobotEnv”“myIntegratedEnv”
模型:myIntegratedEnv AgentBlock: myIntegratedEnv/RL Agent ResetFcn: [] UseFastRestart: on

该函数还可以返回新的集成模型中RL Agent块的块路径,以及参考模型的观察和操作规范。

[~, agentBlk observationInfo actionInfo] = createIntegratedEnv (...“rlFlyingRobotEnv”“myIntegratedEnv”
agentBlk = 'myIntegratedEnv/RL Agent'
observationInfo = rlNumericSpec with properties: LowerLimit: -Inf UpperLimit: Inf Name: " observe " Description: [0x0 string] Dimension: [7 1] DataType: "double"
actionInfo = rlNumericSpec with properties: LowerLimit: -Inf UpperLimit: Inf Name: "action" Description: [0x0 string] Dimension: [2 1] DataType: "double"

中需要修改描述、限制或名称的情况下,返回块路径和规范非常有用observationInfo而且actionInfo.在修改规范之后,您就可以从集成模型创建一个环境了IntegratedEnv使用rlSimulinkEnv函数。

这个例子展示了如何调用createIntegratedEnv使用名称-值对指定端口名称。

第一个论证createIntegratedEnv名字是参考包含代理必须与之交互的系统的Simulink模型。这样的系统通常被称为植物,或开环系统。对于本例,参考系统是一个水箱的模型。

打开开环水箱模型。

open_system (“rlWatertankOpenloop”

设置用于生成观测的离散积分器块的采样时间,这样模拟就可以运行。

Ts = 1;

调用输入端口u(而不是行动),并调用第一和第三个输出端口y而且停止(而不是观察而且结束).使用名称-值对指定端口名称。

env = createIntegratedEnv (“rlWatertankOpenloop”“IntegratedWatertank”...“ActionPortName”“u”“ObservationPortName”“y”“IsDonePortName”“停止”
env = SimulinkEnvWithAgent with properties: Model: IntegratedWatertank AgentBlock: IntegratedWatertank/RL Agent ResetFcn: [] UseFastRestart: on

新模型IntegratedWatertank包含与代理块在闭环中连接的参考模型。该函数还返回用于训练的强化学习环境对象。

输入参数

全部折叠

引用模型名,指定为字符串或字符向量。这是实现代理需要与之交互的系统的Simulink模型。这样的系统通常被称为植物开环系统或参考系统,而包括代理在内的整个(综合)系统常被称为闭环系统。新的Simulink模型使用该参考模型作为强化学习环境的动态模型。

新的模型名称,指定为字符串或字符向量。createIntegratedEnv使用此名称创建一个Simulink模型,但不保存该模型。

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后,但对的顺序并不重要。

在R2021a之前,名称和值之间用逗号隔开,并括起来的名字在报价。

例子:“IsDonePortName”、“stopSim”设置stopSim端口的参考模型作为源结束信号。

参考模型观测输出端口名称,指定为逗号分隔的对组成“ObservationPortName”和字符串或字符向量。指定ObservationPortName当参考型号的观察输出端口的名称不是“观察”

引用模型操作输入端口名称,指定为逗号分隔的对,由“ActionPortName”和字符串或字符向量。指定ActionPortName当参考模型的动作输入端口的名称不是“行动”

参考模型奖励输出端口名称,指定为逗号分隔的对,由“RewardPortName”和字符串或字符向量。指定RewardPortName当参考模型的奖励输出端口的名称不是“奖励”

参考模型完成标志输出端口名称,指定为逗号分隔的对组成“IsDonePortName”和字符串或字符向量。指定IsDonePortName当引用模型的done标志输出端口的名称不是“结束”

要为其创建规范的观察总线叶元素的名称,指定为字符串数组。要为Simulink总线对象中元素的子集创建观察规范,请指定BusElementNames.如果不指定BusElementNames,为总线中的每个叶元素创建数据规范。

ObservationBusElementNames仅适用于观测输出端口为总线信号时。

例子:“ObservationBusElementNames”,(“罪”“因为”)为具有名称的观察总线元素创建规范“罪”而且“因为”

离散观测规范元素的有限值,指定为逗号分隔的对,由“ObservationDiscreteElements”和名称-值对的单元格数组。每个名称-值对由一个元素名和一个离散值数组组成。

参考型号的观测输出端口为:

指定的离散值必须可转换为指定的观测信号的数据类型。

如果没有为观察规范元素指定离散值,则该元素是连续的。

例子:ObservationDiscretElements,{“观察”,[1 0 1]}指定具有默认端口名的非总线观察信号的离散值观察

例子:' observationdiscrete telements ',{'gear',[-1 0 1 2],'direction',[1 2 3 4]}对象的离散值“装备”而且“方向”总线动作信号的叶元素。

离散动作规范元素的有限值,指定为逗号分隔的对,由“ActionDiscreteElements”和名称-值对的单元格数组。每个名称-值对由一个元素名和一个离散值数组组成。

参考模型的动作输入端口为:

  • 总线信号,指定总线的叶元素的名称

  • 非总线信号,指定动作端口的名称ActionPortName

指定的离散值必须可转换为指定动作信号的数据类型。

如果不为操作规范元素指定离散值,则该元素是连续的。

例子:ActionDiscretElements,{“行动”,[1 0 1]}指定具有默认端口名的非总线动作信号的离散值“行动”

例子:' actiondiscrete telements ',{'force',[-10 0 10],'torque',[-5 0 5]}对象的离散值“力”而且“扭矩”总线动作信号的叶元素。

输出参数

全部折叠

强化学习环境界面,返回为SimulinkEnvWithAgent对象。

新模型中代理块的块路径,作为字符向量返回。要在新的Simulink模型中训练代理,您必须创建一个代理,并在RL代理块所示agentBlock

有关创建代理的更多信息,请参见强化学习代理

观测数据规格,作为以下之一返回:

  • rlNumericSpec对象用于单个连续观测规范

  • rlFiniteSetSpec对象用于单个离散观测规范

  • 多个规范的数据规范对象数组

操作数据规范,作为以下之一返回:

  • rlNumericSpec对象用于单个连续操作规范

  • rlFiniteSetSpec对象获取单个离散操作规范

  • 多个操作规范的数据规范对象数组

版本历史

介绍了R2019a

Baidu
map