nineone1: Reinforcement Learning

วันเสาร์ที่ 30 พฤษภาคม พ.ศ. 2569

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