시뮬레이션 환경과 실제 환경의 성능 차이 - AWS DeepRacer

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

시뮬레이션 환경과 실제 환경의 성능 차이

시뮬레이션에서는 실제 환경의 모든 요소를 정확하게 수집하지 못하기 때문에 시뮬레이션에서 훈련된 모델이 실제 환경에서 성능을 발휘하지 못할 수도 있습니다. 이러한 불일치를 종종 simulated-to-real (sim2real) 성능 격차라고 합니다.

AWS에서는 sim2real 성능 격차를 DeepRacer 최소화하기 위한 노력을 기울였습니다. 예를 들어 시뮬레이션 에이전트는 초당 약 10회 행동하도록 프로그래밍됩니다. 이는 AWS DeepRacer 차량이 추론을 실행하는 빈도인 초당 약 10회의 추론과 일치합니다. 그 밖에도 훈련에서 각 에피소드를 시작할 때 에이전트의 위치는 무작위로 결정됩니다. 그러면 에이전트가 트랙 전체에서 균일하게 학습할 가능성이 극대화되기 때문입니다.

real2sim 성능 차이를 줄이려면 시뮬레이션 트랙과 실제 트랙에서 동일하거나 비슷한 색상, 형상 및 크기를 사용해야 합니다. 시각적 분산을 줄이고 싶다면 실제 트랙 주변에 장벽을 설치하십시오. 또한 훈련에서 사용되는 행동 공간이 실제 환경과 일치할 수 있도록 차량의 속도와 조향 각도 범위를 주의하여 보정하십시오. 훈련에서 사용하는 것과 다른 시뮬레이션 트랙에서 모델 성능을 평가하면 real2real 성능 차이가 크게 나타날 수 있습니다.

AWS DeepRacer 모델을 교육할 때 sim2real 격차를 줄이는 방법에 대한 자세한 내용은 을 참조하십시오실제 환경에 대한 AWS DeepRacer 모델 훈련 최적화.