ICLR 2019論文解讀：深度學(xué)習(xí)應(yīng)用于復(fù)雜系統(tǒng)控制

引言

20世紀(jì)，控制論、系統(tǒng)論、信息論，對工業(yè)產(chǎn)生了顛覆性的影響。繼2011年深度學(xué)習(xí)在物體檢測上超越傳統(tǒng)方法以來，深度學(xué)習(xí)在識別傳感（包含語音識別、物體識別），自然語言處理領(lǐng)域里產(chǎn)生了顛覆性的影響。最近在信息論里，深度學(xué)習(xí)也產(chǎn)生了重要影響。使用深度學(xué)習(xí)可以對不同形式編碼的信息進行自動解碼。如今，深度學(xué)習(xí)再次影響控制論，傳統(tǒng)控制論往往是模型驅(qū)動算法，需要設(shè)計復(fù)雜的模型和控制方案，而以數(shù)據(jù)驅(qū)動為核心的深度學(xué)習(xí)用作控制領(lǐng)域的春天即將到來，這將推動數(shù)十萬億的工業(yè)、服務(wù)業(yè)的進一步升級。通過深度學(xué)習(xí)控制，可以讓機器人，能源，交通等行業(yè)效率顯著提升。例如，使用深度學(xué)習(xí)進行智能樓宇控制，可以節(jié)約大樓20%的能耗，傳統(tǒng)的控制需要多名專家2年的時間建立一個樓宇模型，深度學(xué)習(xí)可以利用樓宇歷史數(shù)據(jù)在一天內(nèi)得到超越傳統(tǒng)方法的模型；在機器人控制和強化學(xué)習(xí)領(lǐng)域里，相比傳統(tǒng)控制方法，本文提出的方法可以節(jié)約80%以上的運算時間并且提升10%以上的控制準(zhǔn)確度。

深度學(xué)習(xí)控制行業(yè)剛剛興起，還有很多的問題沒有解決，還需要很多的理論突破。近期，華盛頓大學(xué)研究組在ICLR2019發(fā)表了一篇深度學(xué)習(xí)控制的最新成果[1]，這是第一次將深度學(xué)習(xí)與凸優(yōu)化理論結(jié)合應(yīng)用到最優(yōu)控制理論中，在從理論層面保證模型達(dá)到全局最優(yōu)解的同時，大幅提升了復(fù)雜系統(tǒng)控制的效率和準(zhǔn)確度。該論文在公開評審中獲得了6/7/8的評分，在所有1449submissions中得分位列前90位(top6%)。在這里，論文的兩位作者將親自為我們解讀其中的核心思想。

論文地址：https://openreview.net/forum?id=H1MW72AcK7?eId=HylsgDCzeV

機器學(xué)習(xí)/強化學(xué)習(xí)與控制

自動控制與機器學(xué)習(xí)作為兩個擁有深厚歷史的學(xué)科，已經(jīng)發(fā)展了數(shù)十年，并建立了各自較為完善的學(xué)科體系。在自動控制中的重要一環(huán)，是首先根據(jù)歷史數(shù)據(jù)對控制系統(tǒng)進行輸入-輸出的端到端建模。目前廣泛使用的系統(tǒng)辨識（systemidentification）方法主要有兩種：一是使用線性/或分段線性模型來預(yù)測系統(tǒng)的（狀態(tài)，控制變量）->(狀態(tài))關(guān)系。這樣做的好處是后續(xù)的優(yōu)化問題是線性優(yōu)化問題(linearprogramming)并可結(jié)合控制論中的線性二次型調(diào)節(jié)器LQR（LinearQuadraticRegulator）等控制模型，易于求解并實現(xiàn)閉環(huán)最優(yōu)控制。同時控制論較為注重系統(tǒng)的理論性質(zhì)研究，如系統(tǒng)的李雅普諾夫穩(wěn)定性，以及基于卡爾曼濾波等的最優(yōu)狀態(tài)估計等。但是線性模型很難準(zhǔn)確地描述復(fù)雜系統(tǒng)的動態(tài)，且建模過程需要大量專家知識和調(diào)試。因為存在對物理對象的建模，這類方法也被稱為基于模型的控制和強化學(xué)習(xí)model-basedcontrol/reinforcementlearning。第二種方法是使用一些較為復(fù)雜的機器學(xué)習(xí)模型，比如深度神經(jīng)網(wǎng)絡(luò)，支持向量機(SVM)等對物理系統(tǒng)進行建模。相比線性模型，這些模型能夠更為準(zhǔn)確地捕捉系統(tǒng)輸入-輸出的動態(tài)關(guān)系。而在一般的（深度）強化學(xué)習(xí)算法中，通常研究者也會訓(xùn)練一個端到端的算法，由狀態(tài)直接輸出控制。由于不存在物理建模過程，這類方法也一般被稱為model-freecontrol/reinforcementlearning。但是這些復(fù)雜模型給后續(xù)的優(yōu)化控制問題求解帶來了困難。我們都知道深度神經(jīng)網(wǎng)絡(luò)，一般來說輸出對于輸入都是非凸的，包含很多局部最優(yōu)點，所以在優(yōu)化過程中很容易陷入局部最優(yōu)情況。在對穩(wěn)定性要求很高的系統(tǒng)控制情境下（比如電力系統(tǒng)控制，航天系統(tǒng)以及工業(yè)控制），這種多個局部最優(yōu)解并且沒有全局最優(yōu)收斂性保證的情況是我們非常不愿看到的，也一定程度限制了目前深度模型在這些行業(yè)中的應(yīng)用。同時，在當(dāng)前的深度強化學(xué)習(xí)研究中，盡管在多個應(yīng)用和領(lǐng)域中已經(jīng)取得行業(yè)領(lǐng)先的控制和優(yōu)化效果，但對模型的理論性質(zhì)尚缺乏研究，同時需要大量標(biāo)注的狀態(tài)和決策數(shù)據(jù)以泛化模型的表征能力和應(yīng)用場景[2](ICML2018tutorialandAnnualReviewofControl,RoboticsandAutonomousSystems,Recht,Berkeley)。

圖一：本文提出的輸入凸的神經(jīng)網(wǎng)絡(luò)的（a）動態(tài)系統(tǒng)學(xué)習(xí)與（b）閉環(huán)控制過程。

在「Optimalcontrolvianeuralnetwork:aconvexapproach」一文中，作者提出了一種新的數(shù)據(jù)驅(qū)動的控制方法。該篇文章作出了結(jié)合model-freecontrol與model-basedcontrol的一步重要嘗試。在訓(xùn)練過程中，我們用一個輸入凸(inputconvex)的神經(jīng)網(wǎng)絡(luò)來表達(dá)系統(tǒng)表達(dá)復(fù)雜的動態(tài)特性；在控制與優(yōu)化過程中，我們就可以將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)作為動態(tài)系統(tǒng)的模型，求解凸優(yōu)化問題從而得到有最優(yōu)保證的控制輸入。算法思路詳見圖一

基于輸入凸神經(jīng)網(wǎng)絡(luò)的最優(yōu)控制框架

為了解決現(xiàn)有模型的不足，本文作者提出了一種新的系統(tǒng)辨識方法：基于輸入凸的神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識。建立在之前InputConvexNeuralNetwork(ICNN)[3](ICML2017,Amosetal.,2017,CMU)的基礎(chǔ)上，本文作者提出一種新型的InputConvexRecurrentNeuralNetwork(ICRNN)用于具有時間關(guān)聯(lián)的動態(tài)系統(tǒng)建模。不同于通用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入凸的神經(jīng)網(wǎng)絡(luò)要求所有隱藏層之間的權(quán)重矩陣非負(fù)，同時加入了對輸入向量的負(fù)映射以及輸入到隱藏層的直連層增加ICNN和ICRNN的表達(dá)能力。

作者在文章中理論證明了，輸入凸神經(jīng)網(wǎng)絡(luò)ICNN和ICRNN可以表示所有凸函數(shù)（Theorem1），并且其表達(dá)的效率比分段線性函數(shù)高指數(shù)級（Theorem2）。兩條性質(zhì)保證所提出的網(wǎng)絡(luò)架構(gòu)能夠很好地應(yīng)用于優(yōu)化與控制問題中用于對象建模與求解。

在使用輸入凸神經(jīng)網(wǎng)絡(luò)進行系統(tǒng)建模后，作者將系統(tǒng)模型嵌入到模型預(yù)測控制（ModelPredictiveControl）框架中，用于求解最優(yōu)的系統(tǒng)控制值。因為使用了輸入凸神經(jīng)網(wǎng)絡(luò)，這里的MPC問題是一個凸優(yōu)化問題，使用經(jīng)典的梯度下降方法就可以保證我們找到最優(yōu)的控制策略。如果系統(tǒng)的狀態(tài)或者控制輸入包含約束條件（constraints），我們也可以使用投影梯度下降（ProjectedGradientMethod)或者內(nèi)點法進行求解。這樣，使用ICNN對瞬態(tài)特性建?；蚴褂肐CRNN對時序過程建模并用于控制對輸入優(yōu)化求解，我們不僅能夠滿足控制論中對于最優(yōu)解的性質(zhì)的保證，同時也可以充分發(fā)揮深度模型的表征能力，即可作為一種適用于各領(lǐng)域的建模與控制方法。

圖3.基于ICNN的MuJoColocomotiontasks的控制結(jié)果。K=100,300,1000對應(yīng)[4]中基于模型的強化學(xué)習(xí)的算法設(shè)定，我們測試了在模型預(yù)測控制中，不同未來預(yù)測區(qū)間長度下各任務(wù)的回報。

應(yīng)用一：機器人運動控制

作者首先將提出的深度學(xué)習(xí)控制框架應(yīng)用于機器人的控制，使用的是OpenAI中的MuJuCo機器人仿真平臺的四個前向運動任務(wù)。我們首先使用隨機采樣的機器人動作和狀態(tài)的數(shù)據(jù)作為初始樣本訓(xùn)練一個ICNN網(wǎng)絡(luò)，并結(jié)合DAGGER(AISTATS,Rossetal,2011,CMU)以在訓(xùn)練和控制過程中更好地探索和泛化。本文提出的方法相比目前的強化學(xué)習(xí)方法更加高效、準(zhǔn)確。同目前最好的基于模型的強化學(xué)習(xí)算法(model-basedRL)[4](2018ICRA,Nagabandietal.,2018,Berkeley)相比，本文提出的方法僅僅使用20%的運算時間就可以達(dá)到比之前方法高10%的控制效果（圖3）。與無模型的深度強化學(xué)習(xí)算法如TRPO,DDPG往往超過10^6的樣本數(shù)量相比，我們的控制方法可以從10^4量級的樣本中學(xué)習(xí)到極為準(zhǔn)確的動態(tài)模型并用于控制。同時我們還可以將該方法得到控制結(jié)果作為初始控制策略，然后隨著機器人在環(huán)境中收集更多的樣本，與無模型的強化學(xué)習(xí)方法(model-freeRL)結(jié)合，在動態(tài)系統(tǒng)環(huán)境下實現(xiàn)更好的控制效果。

應(yīng)用二：大樓的能源管理

同時，本文作者也將提出的深度學(xué)習(xí)控制框架應(yīng)用于智能樓宇的供熱通風(fēng)與空氣調(diào)節(jié)系統(tǒng)(HVAC)控制。我們通過建筑能耗仿真軟件EnergyPlus得到一棟大樓的分時能耗數(shù)據(jù)及各個分區(qū)的傳感器數(shù)據(jù)，并使用ICRNN建立樓宇輸入特征（如室內(nèi)溫度，人流量，空調(diào)設(shè)定溫度等）到輸出特征（如能耗）的動態(tài)模型。在控制過程中，文章提出的模型可以非常方便地加入一系列約束，如溫度可調(diào)節(jié)范圍等。我們通過設(shè)計大樓在一定時間段內(nèi)的溫度設(shè)置值，并滿足相應(yīng)約束的前提下，來最優(yōu)化樓宇的能耗。相比于傳統(tǒng)的線性模型以及控制方法，使用ICRNN的控制方法在保證房間溫度維持在[19,24]攝氏度區(qū)間內(nèi)的情況下，幫助大樓節(jié)約多于20%的能耗。在更大的溫度波動區(qū)間內(nèi)([16,27]攝氏度),可以幫助建筑節(jié)約近40%能耗（圖4左）。同時相比于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型直接用于系統(tǒng)建模，基于ICRNN的控制方法由于有控制求解的最優(yōu)性保證，得到的溫度設(shè)定值更加的穩(wěn)定(圖4右中紅線為ICRNN控制溫度設(shè)置，綠線為普通神經(jīng)網(wǎng)絡(luò)控制溫度設(shè)置)。

目前，華盛頓大學(xué)的PaulAllenCenter電子工程與計算機大樓正在安裝相應(yīng)的傳感器，并計劃將該控制方案用于該建筑HAVC系統(tǒng)的實時控制。

隨著5G時代的到來與物聯(lián)網(wǎng)技術(shù)的進一步發(fā)展，越來越多的物理系統(tǒng)中（電力，交通，航天，工業(yè)控制等）將會有更多的智能傳感器與數(shù)據(jù)流，本文提出的基于深度學(xué)習(xí)的控制方法也將會有更廣闊的應(yīng)用空間。

參考資料：

[1]ChenYize*,YuanyuanShi*,andBaosenZhang."OptimalControlViaNeuralNetworks:AConvexApproach."ToAppearinInternationalConferenceonLearningRepresentations(ICLR),2019

[2]Recht,Benjamin."Atourofreinforcementlearning:Theviewfromcontinuouscontrol."AnnualReviewofControl,Robotics,andAutonomousSystems(2018).

[3]Amos,Brandon,LeiXu,andJ.ZicoKolter."Inputconvexneuralnetworks."InternationalConferenceonMachineLearning(ICML),2017

[4]Nagabandi,Anusha,etal."Neuralnetworkdynamicsformodel-baseddeepreinforcementlearningwithmodel-freefine-tuning."2018IEEEInternationalConferenceonRoboticsandAutomation(ICRA).IEEE,2018.

[5]Ross,Stéphane,GeoffreyGordon,andDrewBagnell."Areductionofimitationlearningandstructuredpredictiontono-regretonlinelearning."Proceedingsofthefourteenthinternationalconferenceonartificialintelligenceandstatistics.2011.

本文來源：機器之心