培训DQN人员协助保持车道
本例展示了如何在Simulink®中训练深度q学习网络(DQN)代理进行车道保持辅助(LKA)。有关DQN代理的更多信息,请参见DQN (Deep Q-Network)代理.
自我汽车的Simulink模型
本例的强化学习环境是自我车辆动力学的一个简单自行车模型。训练目标是通过调整前转向角度,保持自我车辆沿车道中心线行驶。本例使用与中相同的车辆模型基于模型预测控制的车道保持辅助系统(模型预测控制工具箱).自我汽车动力学由以下参数指定。
m = 1575;车辆总质量% (kg)工业区= 2875;%偏航惯性矩(mNs^2)如果= 1.2;%重心到前轮胎纵向距离(m)lr = 1.6;%从重心到后轮胎的纵向距离(m)Cf = 19000;前轮胎转弯刚度% (N/rad)Cr = 33000;后轮胎转弯刚度% (N/rad)Vx = 15;%纵向速度(m/s)
定义样本时间Ts
和仿真时间T
在几秒钟内。
t = 0.1;T = 15;
LKA系统的输出是自我汽车的前转向角。为了模拟自我汽车的物理限制,限制转向角度的范围[-0.5, 0.5]
rad。
u_min = -0.5;u_max = 0.5;
道路的曲率由常数0.001 ( ).横向偏差的初始值为0.2 m,相对偏航角的初始值为-0.1 rad。
ρ= 0.001;e1_initial = 0.2;e2_initial = -0.1;
打开模型。
mdl =“rlLKAMdl”;open_system (mdl);agentblk = [mdl' / RL代理'];
对于这个模型:
从代理到环境的转向角动作信号从-15度到15度。
从环境中观察到的是横向偏差 ,相对偏航角 ,他们的衍生品 而且 和它们的积分 而且 .
当侧向偏移时,模拟终止
奖励 ,每个时间步提供 ,是
在哪里 控制输入是否来自前一个时间步骤 .
创建环境接口
为自我载体创建强化学习环境界面。为此,首先创建观察和操作规范。
observationInfo = rlNumericSpec([6 1],“LowerLimit”,负无穷* (6,1),“UpperLimit”,正* (6,1));observationInfo。Name =“观察”;observationInfo。描述=“横向偏差及相对偏航角资料”;actionInfo = rlFiniteSetSpec((15:15) *π/ 180);actionInfo。Name =“转向”;
然后,创建环境接口。
env = rlSimulinkEnv (mdl agentblk、observationInfo actionInfo);
该界面有一个离散的动作空间,代理可以应用31个可能的转向角度之一,从-15度到15度。观测结果是包含横向偏差、相对偏航角以及它们对时间的导数和积分的六维向量。
要定义横向偏差和相对偏航角的初始条件,请使用匿名函数句柄指定环境重置函数。这个重置函数随机化横向偏差和相对偏航角的初始值。
env。ResetFcn = @(在)localResetFcn(的);
固定随机生成器种子的再现性。
rng (0)
创建DQN代理
DQN代理在给定的观察和行动下,使用价值函数批评家表示逼近长期奖励。
DQN代理可以使用多输出q值临界逼近器,这通常更有效。多输出近似器将观测值作为输入,将状态动作值作为输出。每个输出元素代表从观察输入指示的状态中采取相应离散行动的预期累积长期回报。
要创建评论,首先创建一个深度神经网络,它有一个输入(6维观察状态)和一个输出向量(31个元素)(从-15到15度均匀间隔的转向角)。有关创建深度神经网络值函数表示的更多信息,请参见创建政策和价值功能.
倪= observationInfo.Dimension (1);输入数百分比(6)问= 24;神经元百分数没有=元素个数(actionInfo.Elements);输出的百分比(31)dnn = [featureInputLayer(nI,“归一化”,“没有”,“名字”,“状态”) fullyConnectedLayer(问,“名字”,“fc1”) reluLayer (“名字”,“relu1”) fullyConnectedLayer(问,“名字”,“取得”) reluLayer (“名字”,“relu2”) fullyConnectedLayer(不,“名字”,“一个fc3”文件));款= dlnetwork(款);
查看网络配置。
图绘制(layerGraph(款)
指定所使用的批评家优化器的选项rlOptimizerOptions
.
criticOptions = rlOptimizerOptions (“LearnRate”1的军医,“GradientThreshold”, 1“L2RegularizationFactor”1的军医);
使用指定的深度神经网络和选项创建批评家表示。您还必须为批评者指定操作和观察信息,这些信息将从环境接口获得。有关更多信息,请参见rlVectorQValueFunction
.
评论家= rlVectorQValueFunction(款、observationInfo actionInfo);
要创建DQN代理,首先使用指定DQN代理选项rlDQNAgentOptions
.
agentOptions = rlDQNAgentOptions (...“SampleTime”Ts,...“UseDoubleDQN”,真的,...“CriticOptimizerOptions”criticOptions,...“ExperienceBufferLength”1 e6,...“MiniBatchSize”, 64);
然后,使用指定的批评家表示和代理选项创建DQN代理。有关更多信息,请参见rlDQNAgent
.
代理= rlDQNAgent(评论家,agentOptions);
火车代理
要培训代理,首先要指定培训选项。对于本例,使用以下选项:
每集训练最多5000集,每集最多持续5000集
装天花板(T / T)
时间的步骤。在“集训管理器”对话框中显示训练进度
情节
选项训练进步
)并禁用命令行显示(设置详细的
选项假
).当剧情奖励达到时停止训练
1
.为每一集累积奖励大于
-2.5
.
有关更多信息,请参见rlTrainingOptions
.
maxepisodes = 5000;maxsteps =装天花板(T / T);trainingOpts = rlTrainingOptions (...“MaxEpisodes”maxepisodes,...“MaxStepsPerEpisode”maxsteps,...“详细”假的,...“阴谋”,“训练进步”,...“StopTrainingCriteria”,“EpisodeReward”,...“StopTrainingValue”, 1...“SaveAgentCriteria”,“EpisodeReward”,...“SaveAgentValue”, -2.5);
训练代理使用火车
函数。训练是一个计算密集的过程,需要几个小时才能完成。要在运行此示例时节省时间,请通过设置加载预先训练过的代理doTraining
来假
.亲自训练探员,设doTraining
来真正的
.
doTraining = false;如果doTraining培训代理。trainingStats =火车(代理,env, trainingOpts);其他的为示例加载预先训练过的代理。负载(“SimulinkLKADQNMulti.mat”,“代理”)结束
模拟DQN代理
要验证经过训练的代理的性能,取消以下两行注释并在环境中模拟代理。有关代理模拟的更多信息,请参见rlSimulationOptions
而且sim卡
.
% simOptions = rlSimulationOptions('MaxSteps', MaxSteps);% experience = sim(env,agent,simOptions);
为了在确定的初始条件下演示训练过的智能体,在Simulink中对模型进行了仿真。
e1_initial = -0.4;e2_initial = 0.2;sim (mdl)
如图所示,横向误差(顶部图)和相对偏航角(中间图)都被驱动接近于零。车辆从偏离中心线(-0.4米)开始并具有非零偏航角误差(0.2 rad)。车道保持辅助使自我车在大约2.5秒后沿着中心线行驶。转向角度(底部图)显示控制器在大约2秒后达到稳定状态。
关闭Simulink模型。
如果~ doTraining% bdclose (mdl)结束
重置功能
函数= localResetFcn(中)%重置= setVariable (,“e1_initial”, 0.5 *(1 + 2 *兰德));横向偏差%随机值= setVariable (,“e2_initial”, 0.1 *(1 + 2 *兰德));%随机值为相对偏航角结束