When Mining Electric Locomotives Meet Reinforcement Learning

要約

炭鉱における最も重要な補助輸送機である鉱山用電気機関車は、現在では手動運転が主流となっています。
しかし、複雑かつ刻々と変化する炭鉱環境により、近年、電気機関車の安全事故が多発しています。
さまざまな複雑な鉱山環境に適応できる鉱山用電気機関車の制御方法が必要です。
強化学習 (RL) は、報酬を最大化するために人工エージェントが環境内でどのように行動すべきかに関係しており、これは採掘用電気機関車の自動制御の実現に役立ちます。
この論文では、RL を鉱山用電気機関車の自律制御に適用する方法を紹介します。
より正確な制御を実現するために、探索と活用のバランスをより良くとることができる、改良されたイプシロン貪欲 (IEG) アルゴリズムをさらに提案します。
この方法の有効性を検証するために、車両の閉ループ シミュレーションを完了できる、鉱山電気機関車の自律制御のための協調シミュレーション プラットフォームが構築されます。
シミュレーション結果は、この方法により、機関車が前方車両を安全に追従し、車両が複雑で不確実な炭鉱環境にある場合に、道路上の突然の障害物が発生した場合に迅速に対応できることが示されました。

要約(オリジナル)

As the most important auxiliary transportation equipment in coal mines, mining electric locomotives are mostly operated manually at present. However, due to the complex and ever-changing coal mine environment, electric locomotive safety accidents occur frequently these years. A mining electric locomotive control method that can adapt to different complex mining environments is needed. Reinforcement Learning (RL) is concerned with how artificial agents ought to take actions in an environment so as to maximize reward, which can help achieve automatic control of mining electric locomotive. In this paper, we present how to apply RL to the autonomous control of mining electric locomotives. To achieve more precise control, we further propose an improved epsilon-greedy (IEG) algorithm which can better balance the exploration and exploitation. To verify the effectiveness of this method, a co-simulation platform for autonomous control of mining electric locomotives is built which can complete closed-loop simulation of the vehicles. The simulation results show that this method ensures the locomotives following the front vehicle safely and responding promptly in the event of sudden obstacles on the road when the vehicle in complex and uncertain coal mine environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google