An Optical Control Environment for Benchmarking Reinforcement Learning Algorithms

要約

深層強化学習は、さまざまな科学的問題に対処できる可能性を秘めています。
この論文では、強化学習ベースのコントローラー用の光学シミュレーション環境を実装します。
この環境は、光学システムに固有の非凸性、非線形性、および時間依存ノイズの本質を捉えており、より現実的な設定を提供します。
続いて、提案されたシミュレーション環境でのいくつかの強化学習アルゴリズムのベンチマーク結果を提供します。
実験結果は、複雑な光制御環境をナビゲートする際に、オフポリシー強化学習アプローチが従来の制御アルゴリズムよりも優れていることを示しています。
この論文のコードは https://github.com/Walleclipse/Reinforcement-Learning-Pulse-Stacking で入手できます。

要約(オリジナル)

Deep reinforcement learning has the potential to address various scientific problems. In this paper, we implement an optics simulation environment for reinforcement learning based controllers. The environment captures the essence of nonconvexity, nonlinearity, and time-dependent noise inherent in optical systems, offering a more realistic setting. Subsequently, we provide the benchmark results of several reinforcement learning algorithms on the proposed simulation environment. The experimental findings demonstrate the superiority of off-policy reinforcement learning approaches over traditional control algorithms in navigating the intricacies of complex optical control environments. The code of the paper is available at https://github.com/Walleclipse/Reinforcement-Learning-Pulse-Stacking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google