Reinforcement Learning Toolbox
強化学習を用いてポリシーを設計および学習
Reinforcement Learning Toolbox™ では、DQN、A2C、および DDPG などの強化学習アルゴリズムを使用したポリシーの学習のための関数とブロックが提供されます。これらのポリシーを使用して、ロボットや自律システムなどの複雑なシステムのためのコントローラーと意思決定アルゴリズムを実装できます。ディープ ニューラル ネットワーク、多項式、またはルックアップテーブルを使用してポリシーを実装できます。
このツールボックスで、MATLAB® または Simulink® モデルで表現された環境に作用させ、ポリシーを学習させることができます。アルゴリズムの評価、ハイパーパラメーター設定での実験、および学習進捗の監視が可能です。学習のパフォーマンス改善のため、クラウド、コンピューター クラスター、および GPU 上でシミュレーションを並列実行できます (Parallel Computing Toolbox™ と MATLAB Parallel Server™ を使用)。
ONNX™ モデルフォーマットで既存のポリシーを TensorFlow™、Keras、および PyTorch などのディープラーニング フレームワークからインポートできます (Deep Learning Toolbox™ を使用)。最適化された C、C++、および CUDA コードを生成して、学習済みポリシーをマイクロコントローラーと GPU に展開できます。
このツールボックスには、強化学習を用いてロボットや自動運転アプリケーションのコントローラーを設計する、リファレンスサンプルが付属します。
詳細を見る:
強化学習アルゴリズム
Deep Q-Network (DQN)、Advantage Actor Critic (A2C)、Deep Deterministic Policy Gradients (DDPG)、および他の組み込みアルゴリズムを使用してエージェントを実装します。テンプレートを使用してポリシーの学習のためのカスタムエージェントを実装します。
ポリシーとアルゴリズムから構成されるエージェント。
ディープ ニューラル ネットワークを使用したポリシーと価値関数の表現
大きな状態行動空間を持つ複雑なシステムのためディープ ニューラル ネットワークを使用します。Deep Learning Toolbox のネットワークとアーキテクチャを使用してポリシーを定義します。他のディープラーニング フレームワークとの相互運用性のため ONNX モデルをインポートします。
エージェント用の Simulink ブロック
Simulink で強化学習エージェントを実装し学習させます。
強化学習エージェントの Simulink ブロック。
Simulink と Simscape 環境
Simulink と Simscape™ モデルを使用して環境を表現します。モデル内で観測、行動、および報酬信号を指定します。
倒立振子のための Simulink 環境モデル。
MATLAB 環境
MATLAB の関数とクラスを使用して環境を表現します。MATLAB ファイル内で観測、行動、および報酬変数を指定します。
棒立てシステムのための MATLAB 環境。
分散コンピューティングおよびマルチコアによる高速化
Parallel Computing Toolbox と MATLAB Parallel Server を使用してマルチコア コンピューター、クラウドリソース、またはコンピューター クラスターで並列シミュレーションを実行して学習を高速化します。
並列処理を使用した学習の高速化。
GPU 高速化
高性能 NVIDIA® GPU によりディープ ニューラル ネットワーク学習と推論を加速します。Parallel Computing Toolbox と、3.0 以上の計算能力を持つ、最大限 CUDA® に対応した NVIDIA GPU で MATLAB を使用できます。
GPU を使用して学習を高速化。
コード生成
GPU Coder™ を使用して、学習させたポリシーを表現する MATLAB コードから最適化された CUDA コードを生成します。MATLAB Coder™ を使用して C/C++ コードを生成し、ポリシーを展開します。
GPU Coder を使用して CUDA コードを生成。
MATLAB Compiler のサポート
MATLAB Compiler™ および MATLAB Compiler SDK™ を使用して、学習済みのポリシーを C/C++ 共有ライブラリ、Microsoft® .NET アセンブリ、Java® クラス、Python® パッケージとして展開します。
ポリシーをスタンドアロンのプログラムとしてパッケージ化して共有。
入門
倒立振子のバランス制御、格子世界における操作、棒立てシステムでのバランス制御などのため、強化学習ベースのコントローラーを実装します。
格子世界における迷路の経路を解決。
自動運転アプリケーション
車間距離制御と車線逸脱防止支援システムのためのコントローラーを設計します。
車線逸脱防止支援システムの学習。
強化学習を用いた歩行ロボットの学習。
質問はありますか
Reinforcement Learning Toolbox 技術エキスパートの Emmanouil Tzorakoleftherakis へのお問い合わせ
PPO エージェント
学習の安定性を改善するため、proximal optimization policy 最適化アルゴリズムを使用して方策を学習
並列エージェントのシミュレーション
複数エージェントによる学習済み方策の並列的な検証
リファレンスの例
ロボットと制御設計アプリケーションのための強化学習方策を学習
これらの機能やそれに対応する機能の詳細については、リリースノートをご覧ください。
