¿Cuándo debo usar Reinforcement Learning vs PID Control?

Al diseñar soluciones a problemas como el Lunar Lander en OpenAIGym , el refuerzo de aprendizaje es un medio tentador para darle al agente el control de acción adecuado para aterrizar con éxito.

Pero, ¿en qué casos los algoritmos del sistema de control, como los controladores PID , harían un trabajo adecuado como, si no mejor, que el aprendizaje por refuerzo?

Preguntas como esta hacen un gran trabajo al abordar la teoría de esta pregunta, pero hacen poco para abordar el componente práctico.

Como ingeniero de Inteligencia Artificial, ¿qué elementos de un dominio de problemas deberían sugerirme que un controlador PID es insuficiente para resolver un problema, y en su lugar se debe usar un algoritmo de Aprendizaje de refuerzo (o viceversa)?

reinforcement-learning ai-design control-theory

— SeeDerekEngineer
fuente

La idea básica que tengo sobre PID dice que no es fácil de diseñar. Tiene muchas integrales y diferenciales involucrados. Entonces, esta es básicamente la misma idea que cuando reemplaza las estadísticas con enfoques ML. Los sistemas de control son definitivamente perfectos, pero es demasiado trabajo.

— DuttaA

en realidad no es demasiado trabajo, es bastante estándar en la industria, utilizando herramientas modernas de diseño de sistemas como MATLAB puede ajustar PID o cualquier otro controlador relativamente fácil para satisfacer sus necesidades. El aprendizaje por refuerzo no se aplica en la práctica, ya que necesita abundantes datos y no hay garantías teóricas como las hay para la teoría de control clásica. Por cierto, el diseño Contoller no implica trabajar directamente con las integrales / diferenciales, para los sistemas lineales todo el trabajo se realiza en el dominio de Laplace que implica manipulaciones algebraicas simples

— Brale_

@Brale_ pero aún implica una gran cantidad de conocimiento teórico ... El dominio de Laplace solo simplifica el diferencial, pero debes saber cómo diseñar cosas (polos y ceros) de modo que los sistemas no se vuelvan inestables. Es bastante difícil visualizarme cómo funcionan realmente esas cosas.

— DuttaA

Como una buena regla general que me ayudó en proyectos pasados, si no puede explicar la política óptima (PID, RL o de otro modo) en unas pocas oraciones, los PID serán realmente difíciles. ¿Cuál es la política óptima para Pacman?

— Jaden Travnik

Creo que los comentarios están básicamente en el camino correcto.

Los controladores PID son útiles para encontrar políticas óptimas en sistemas dinámicos continuos y, a menudo, estos dominios también se utilizan como puntos de referencia para RL, precisamente porque existe una política óptima fácilmente derivable. Sin embargo, en la práctica, obviamente preferiría un controlador PID para cualquier dominio en el que pueda diseñar fácilmente uno: los comportamientos del controlador se comprenden bien, mientras que las soluciones RL a menudo son difíciles de interpretar.

Donde RL brilla es en tareas donde sabemos cómo se ve el buen comportamiento (es decir, conocemos la función de recompensa), y sabemos cómo se ven las entradas del sensor (es decir, podemos describir de manera completa y precisa un estado dado numéricamente), pero tenemos poco o no tenemos idea de lo que realmente queremos que haga el agente para lograr esas recompensas.

Aquí hay un buen ejemplo:

Si quisiera hacer que un agente maniobrara un avión desde delante de un avión enemigo con patrones de movimiento conocidos hacia atrás, usando la menor cantidad de combustible, preferiría usar un controlador PID .
Si quisiera hacer un agente para controlar un avión y derribar un avión enemigo con suficiente combustible para aterrizar, pero sin una descripción formal de cómo podría atacar el avión enemigo (quizás un experto humano lo piloteará en simulaciones contra nuestro agente) Prefiero mucho RL .

— John Doucette
fuente