Opis projektu
Nowe możliwości uczenia przez wzmocnienie
Uczenie przez wzmocnienie (ang. reinforcement learning, RL) to proces trenowania modelu uczenia maszynowego na potrzeby sekwencyjnego podejmowania decyzji. Może ono pomóc zwiększyć poziom automatyzacji. Zespół finansowanego ze środków UE projektu RADDICS będzie pracował nad rozwiązaniem najważniejszych problemów związanych ze skutecznym wdrożeniem metod RL w newralgicznych zastosowaniach. W szczególności badane będzie użycie modeli probabilistycznych, takich jak procesy gaussowskie i głębokie modele bayesowskie, do zapewnienia bezpiecznej eksploracji. W tym celu badacze posłużą się połączeniem przedziałów ufności z tych modeli z technikami zaczerpniętymi ze sprawdzonej teorii sterowania i weryfikacji formalnej. Badanie opiera się na najnowszych, przełomowych wynikach prac nad bezpieczną optymalizacją bayesowską, a jego rezultaty zostaną zademonstrowane z użyciem trzech rzeczywistych systemów cyberfizycznych.
Cel
This ERC project pushes the boundary of reliable data-driven decision making in cyber-physical systems (CPS), by bridging reinforcement learning (RL), nonparametric estimation and robust optimization. RL is a powerful abstraction of decision making under uncertainty and has witnessed dramatic recent breakthroughs. Most of these successes have been in games such as Go - well specified, closed environments that - given enough computing power - can be extensively simulated and explored. In real-world CPS, however, accurate simulations are rarely available, and exploration in these applications is a highly dangerous proposition.
We strive to rethink Reinforcement Learning from the perspective of reliability and robustness required by real-world applications. We build on our recent breakthrough result on safe Bayesian optimization (SAFE-OPT): The approach allows - for the first time - to identify provably near-optimal policies in episodic RL tasks, while guaranteeing under some regularity assumptions that with high probability no unsafe states are visited - even if the set of safe parameter values is a priori unknown.
While extremely promising, this result has several fundamental limitations, which we seek to overcome in this ERC project. To this end we will (1) go beyond low-dimensional Gaussian process models and towards much richer deep Bayesian models; (2) go beyond episodic tasks, by explicitly reasoning about the dynamics and employing ideas from robust control theory and (3) tackle bootstrapping of safe initial policies by bridging simulations and real-world experiments via multi-fidelity Bayesian optimization, and by pursuing safe active imitation learning.
Our research is motivated by three real-world CPS applications, which we pursue in interdisciplinary collaboration: Safe exploration of and with robotic platforms; tuning the energy efficiency of photovoltaic powerplants and safely optimizing the performance of a Free Electron Laser.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynoweuczenie przez wzmocnienie
- nauki przyrodniczenauki fizyczneoptykafizyka laserów
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
ERC-COG - Consolidator GrantInstytucja przyjmująca
8092 Zuerich
Szwajcaria