OrnsteinUhlenbeckProcessModule¶
- class torchrl.modules.tensordict_module.OrnsteinUhlenbeckProcessModule(*args, **kwargs)[源代码]¶
Ornstein-Uhlenbeck 探索策略模块。
在“使用深度强化学习进行连续控制”中提出，https://arxiv.org/pdf/1509.02971.pdf。
OU 探索要与连续控制策略一起使用，并引入自相关探索噪声。这使得能够进行一种“结构化”探索。
噪声方程
\[noise_t = noise_{t-1} + \theta * (mu - noise_{t-1}) * dt + \sigma_t * \sqrt{dt} * W\]Sigma 方程
\[\sigma_t = max(\sigma^{min, (-(\sigma_{t-1} - \sigma^{min}) / (n^{\text{steps annealing}}) * n^{\text{steps}} + \sigma))\]为了跟踪样本到样本的步骤和噪声，将在输入/输出 tensordict 中写入
"ou_prev_noise{id}"和"ou_steps{id}"键。预计 tensordict 在重置时将为零，表明正在收集新的轨迹。如果不是，并且在连续轨迹中使用相同的 tensordict，则步数将继续在跨展开的范围内增加。请注意，收集器类会负责在重置时将 tensordict 设置为零。注意
在训练循环中包含对
step()的调用以更新探索因子至关重要。由于很难捕获这种遗漏，因此如果省略了它，将不会发出警告或异常！- 参数：
spec (TensorSpec) – 用于采样动作的规范。采样动作将在探索后投影到有效的动作空间。
eps_init (标量) – 初始 epsilon 值，确定要添加的噪声量。默认值：1.0
eps_end (标量) – 最终 epsilon 值，确定要添加的噪声量。默认值：0.1
annealing_num_steps (int) – epsilon 达到 eps_end 值所需的时间步数。默认值：1000
theta (标量) – 噪声方程中的 theta 因子。默认值：0.15
mu (标量) – OU 平均值（噪声方程中的 mu）。默认值：0.0
sigma (标量) – sigma 方程中的 sigma 值。默认值：0.2
dt (标量) – 噪声方程中的 dt。默认值：0.01
x0 (张量, ndarray, 可选) – 进程的初始值。默认值：0.0
sigma_min (数字, 可选) – sigma 方程中的 sigma_min。默认值：None
n_steps_annealing (int) – sigma 退火的步数。默认值：1000
- 关键字参数：
action_key (嵌套键, 可选) – 要修改的动作的键。默认值：“action”
is_init_key (嵌套键, 可选) – 用于查找用于重置噪声步数的 is_init 标志的键。默认值：“is_init”
示例
>>> import torch >>> from tensordict import TensorDict >>> from tensordict.nn import TensorDictSequential >>> from torchrl.data import BoundedTensorSpec >>> from torchrl.modules import OrnsteinUhlenbeckProcessModule, Actor >>> torch.manual_seed(0) >>> spec = BoundedTensorSpec(-1, 1, torch.Size([4])) >>> module = torch.nn.Linear(4, 4, bias=False) >>> policy = Actor(module=module, spec=spec) >>> ou = OrnsteinUhlenbeckProcessModule(spec=spec) >>> explorative_policy = TensorDictSequential(policy, ou) >>> td = TensorDict({"observation": torch.zeros(10, 4)}, batch_size=[10]) >>> print(explorative_policy(td)) TensorDict( fields={ _ou_prev_noise: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False), _ou_steps: Tensor(shape=torch.Size([10]), device=cpu, dtype=torch.int64, is_shared=False), action: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False), observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False)}, batch_size=torch.Size([10]), device=None, is_shared=False)
