摘要：日前，天津大學(xué)軟件學(xué)院多智能體與深度強化學(xué)習(xí)研究團隊在與東京大學(xué)、日本 AIST 研究所合作研究基礎(chǔ)上，首次利用深度強化學(xué)習(xí)方法來檢測信息物理系統(tǒng)模型中的缺陷……
隨著第一個戰(zhàn)勝圍棋世界冠軍的人工智能程序——阿爾法狗的出現(xiàn)，深度強化學(xué)習(xí)的浪潮在世界范圍內(nèi)掀起，國內(nèi)外眾多科研機構(gòu)和高?？蒲袌F隊紛紛投入其中。深度強化學(xué)習(xí)方法在游戲、智能機器人控制等領(lǐng)域取得了不錯的成效，如星際爭霸游戲研發(fā)、機器人Atlas等。
與此同時，承載著物聯(lián)網(wǎng)、智能家居、機器人、智能導(dǎo)航等新一代智能科技的多維復(fù)雜系統(tǒng)——信息物理系統(tǒng)，也逐漸走進人們生活，應(yīng)用也越來越廣泛，但系統(tǒng)的缺陷檢測一直存在問題。如何更高效更準(zhǔn)確地檢測出系統(tǒng)缺陷，從而保障系統(tǒng)的穩(wěn)定性和安全性成為研究人員關(guān)注的焦點。
通過數(shù)年的深入研究，天津大學(xué)的研究人員首次將深度強化學(xué)習(xí)方法應(yīng)用于信息物理系統(tǒng)的缺陷檢測，大大提高了系統(tǒng)檢測的成功率，檢測效率也得到明顯提升。
傳統(tǒng)的缺陷檢測方法是以魯棒性(系統(tǒng)穩(wěn)定性)為導(dǎo)向，采取隨機全局優(yōu)化的算法，來達(dá)到最大化魯棒性的目的。傳統(tǒng)方法必須要將整個模擬實驗完整執(zhí)行一遍后才能給出反饋，因此在缺陷檢測過程中需要大量反復(fù)的模擬運行，時間久且無法保證檢測效果。
而基于強化學(xué)習(xí)的信息物理系統(tǒng)模型性質(zhì)的缺陷檢測方法，采用了當(dāng)下國際上最先進的強化學(xué)習(xí)技術(shù)A3C和DDQN，來解決信息物理系統(tǒng)模型違反魯棒性性質(zhì)的問題。該技術(shù)可以觀察環(huán)境反饋，進行自我優(yōu)化，及時調(diào)整輸入行為，以更少次的模擬實驗找出系統(tǒng)缺陷。
探索未來信息存儲新高度——派美雅藍(lán)光...
