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

<span class = Bonsaje <span class= 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.

Další informace o školicím modulu →