Simulace školení pro Bonsai
Simulace školení replikují reálné systémy a poskytují autentické školicí prostředí pro Bonsai mozky. Můžete přidat simulace z oblíbených softwarových řešení simulátoru nebo pomocí rozhraní API simulátoru integrovat vlastní simulátory.
Podporovaný software
- MATLAB Simulink
- AnyLogic
- Odkaz na ŘEDITELe
- Vlastní kontejnery dockerized
Podpora rozhraní API
- REST
- Python
Bonsaje
Component infografika "Aria-describedby =" 34-0 "data-LINKTYPE =" relativní cestu ">
Infografika Bonsai platformy se zvýrazněným simulátorem a integrovanými ikonami simulace.
Simulace školení model reálných procesů a mění stav, když mozek aplikuje akce. Automatizace, průmyslové automatizace, logistické řetězce dodávek a strukturální strojírenství jsou všechny domény, které používají simulace pro modelování chování složitých systémů.
Bonsaipoužívá simulace a hloubkové výztuže Učení (DRL) k učení mozku. Školicí úkoly můžou být tak jednoduché jako "zachovat tento pole ve svislém tvaru" nebo "komplexní", jak se naučit.
Obecně řečeno, jakákoli simulace, která má definovaný počáteční stav, iterovat v čase a reaguje na externí akce, které lze integrovat s Bonsai . Ale simulace, které dobře fungují, Bonsai mají následující vlastnosti:
- Odpovídající úroveň přesnosti, takže strategie vyvinuté proti simulaci budou nejspíš dobře fungovat v reálném světě.
- Užitečná vizualizace a výstup dat, které se řídí pomocí mozku během školení pro posouzení v reálném čase.
- Dobře definovaný stav prostředí, který je přístupný v každém kroku simulace.
- Přizpůsobitelný počáteční stav, aby mozek mohl získat informace z nejrůznějších podmínek.
- Sada diskrétních akcí, které může mozek provést, aby měl vliv na stav. Například: přesunout vozík o jeden krok na stopu, upravit teplotu o 1 ° Celsia.
- Možnost určit, kdy se systém dostane do stavu, ve kterém není možný další průběh (selhání nebo neplatný stav). Například: vozík se spouští mimo stopu, aktuální teplota překračuje prahovou hodnotu kvality.
- Možnost určit, kdy systém dosáhne stavu úspěch. Například vyrovnávání po určitou dobu vygenerovaný materiál předává požadavky QC.
Určení správné úrovně věrnosti pro simulaci závisí na:
- přesnost požadovaná pro jednotlivé akce.
- pravděpodobnost obnovení AI z dokonalé akce v reálném světě.
Například AI by mohl kompenzovat neočekávaně v celém světě, což je skutečným automobilem, který vypíná 1 km rychleji než simulované automobily, které jsou v něm vyškolené. Pokud ale stejný automobil pravidelně přepíná 10 km rychleji než simulované automobily, může auto překlopit nebo spustit po silnici.
Při zvažování přístupu k simulaci může být užitečné vyhledat lidi ve vaší organizaci, kteří pracovali s simulací softwaru. Simulace, které byly původně vytvořeny pro jiné účely, lze často rozšířit pro práci se Bonsai školicím modulem. Vyhledejte existující simulace s jednou nebo více následujícími vlastnostmi:
- Simulace používané pro vzdělávání lidských operátorů.
- Simulace se pravidelně používají ve spojení s produkčními systémy.
- Simulace s dobře definovanými srovnávacími testy pro přesnost a požadované výsledky.