AI ตอนที่ 5: Reinforcement Learning กับหุ่นยนต์อุตสาหกรรม

Reinforcement Learning คืออะไร?

Reinforcement Learning (RL) เป็นสาขาของ AI ที่เรียนรู้จากการลองผิดลองถูก โดยได้รับรางวัลเมื่อทำถูกต้อง

1. หลักการของ RL

• Agent: ผู้เรียนรู้ (หุ่นยนต์)
• Environment: สิ่งแวดล้อม (โรงงาน)
• State: สถานะปัจจุบัน
• Action: การกระทำ
• Reward: รางวัล/บทลงโทษ

2. RL vs ML อื่นๆ

ประเภท	ข้อมูล	เป้าหมาย
Supervised Learning	มี Label	ทำนายผลลัพธ์
Unsupervised Learning	ไม่มี Label	หา Pattern
Reinforcement Learning	Reward/Penalty	maximize Reward

3. แอปพลิเคชันในโรงงาน

• Robot Arm: เรียนรู้การหยิบชิ้นงาน
• AGV Navigation: นำทางในคลังสินค้า
• Process Optimization: ปรับพารามิเตอร์การผลิต
• Quality Control: เรียนรู้การตรวจจับตำหนิ

4. ตัวอย่างโค้ด Python (Gym)

import gymnasium as gym
import numpy as np

# สร้าง Environment
env = gym.make('CartPole-v1')

# Q-Learning
q_table = np.zeros([env.observation_space.n, env.action_space.n])

# ฝึกสอน
for episode in range(1000):
    state, _ = env.reset()
    done = False
    while not done:
        action = np.argmax(q_table[state])
        next_state, reward, done, _, _ = env.step(action)
        q_table[state, action] = reward + 0.99 * np.max(q_table[next_state])
        state = next_state

5. เครื่องมือสำหรับ RL

• OpenAI Gym: Environment สำหรับฝึกสอน
• Stable Baselines3: ไลบรารี RL สำเร็จรูป
• TensorFlow Agents: RL จาก Google
• PyTorch: สร้างโมเดล RL เอง