Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Environnements RL sur Amazon SageMaker
Amazon SageMaker RL utilise des environnements pour imiter des scénarios réels. Compte tenu de l'état actuel de l'environnement et de l'action effectuée par le ou les agent, le simulateur traite l'impact de l'action et renvoie l'état suivant ainsi qu'une récompense. Les simulateurs sont utiles lorsqu'il n'est pas prudent d'entraîner un agent dans le monde réel (par exemple, faire voler un drone) ou si l'algorithme d'apprentissage à renforcement met trop de temps à converger (par exemple, lors d'une partie d'échecs).
Le schéma suivant illustre un exemple des interactions avec un simulateur pour un jeu de course.
![Exemple d'interactions avec un simulateur pour un jeu de course automobile.](images/sagemaker-rl-flow.png)
L'environnement de simulation se compose d'un agent et d'un simulateur. Ici, un réseau neuronal convolutif (CNN) consomme les images du simulateur et génère des actions pour contrôler le contrôleur de jeu. Avec plusieurs simulations, cet environnement génère des données d'entraînement du formulaire state_t
, action
, state_t+1
et reward_t+1
. La définition de la récompense n'est pas futile et impacte la qualité du modèle d'apprentissage à renforcement. Nous souhaitons fournir quelques exemples de fonctionnalités de récompense, mais qui soient configurables par l'utilisateur.
Rubriques
Utiliser l'interface OpenAI Gym pour les environnements en RL SageMaker
Pour utiliser les environnements OpenAI Gym dans SageMaker RL, utilisez les éléments suivantsAPI. Pour plus d'informations sur OpenAI Gym, consultez la Documentation Gym
-
env.action_space
—Définit les actions effectuées par l'agent, spécifie si chaque action est continue ou discrète, et si l'action est continue, spécifie le minimum et le maximum. -
env.observation_space
—Définit les observations reçues par l'agent depuis l'environnement, ainsi que le minimum et le maximum d'observations continues. -
env.reset()
—Initialise un épisode d'entraînement. La fonctionreset()
renvoie l'état initial de l'environnement, et l'agent utilise l'état initial pour effectuer sa première action. L'action est alors envoyée àstep()
de manière répétée jusqu'à ce que l'épisode atteigne un état terminal. Lorsquestep()
renvoiedone = True
, l'épisode se termine. La boîte à outils d'apprentissage à renforcement réinitialise l'environnement en appelantreset()
. -
step()
—Prend l'action de l'agent comme entrée et sort l'état suivant de l'environnement, la récompense, si l'épisode est terminé, et un dictionnaireinfo
pour communiquer des informations de débogage. Il est de la responsabilité de l'environnement de valider les entrées. -
env.render()
—Utilisé pour des environnements à visualisation. La boîte à outils d'apprentissage à renforcement appelle cette fonction pour capturer des visualisations de l'environnement après chaque appel à la fonctionnalitéstep()
.
Utiliser des environnements open source
Vous pouvez utiliser des environnements open source, tels que EnergyPlus et RoboSchool, dans SageMaker RL en créant votre propre conteneur. Pour plus d'informations sur EnergyPlus, consultez https://energyplus.net/
Utiliser des environnements commerciaux
Vous pouvez utiliser des environnements commerciaux, tels que MATLAB Simulink, dans SageMaker RL en créant votre propre conteneur. Vous devez gérer vos propres licences.