Improving agent performance in fluid environments by perceptual pretraining

要約

この論文では、情報圧縮モデルと対応する事前学習方法を含む、流体環境知覚のための事前学習フレームワークを構築します。
このフレームワークを数値シミュレーションを通じて 2 つのシリンダー問題でテストします。
結果は、このフレームワークを使用した教師なし事前トレーニングの後、インテリジェント エージェントが周囲の流体環境の重要な特徴を獲得できるため、その後のマルチシナリオ タスクにより迅速かつ効果的に適応できることが示されました。
私たちの研究では、これらのタスクには、上流の障害物の位置を認識し、流れ場で放出される渦を積極的に回避して抗力の低減を達成することが含まれます。
事前トレーニングされたエージェントのパフォーマンスの向上については、感度分析で説明します。

要約(オリジナル)

In this paper, we construct a pretraining framework for fluid environment perception, which includes an information compression model and the corresponding pretraining method. We test this framework in a two-cylinder problem through numerical simulation. The results show that after unsupervised pretraining with this framework, the intelligent agent can acquire key features of surrounding fluid environment, thereby adapting more quickly and effectively to subsequent multi-scenario tasks. In our research, these tasks include perceiving the position of the upstream obstacle and actively avoiding shedding vortices in the flow field to achieve drag reduction. Better performance of the pretrained agent is discussed in the sensitivity analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google