回答編集履歴
1
コード追加
test
CHANGED
|
@@ -31,3 +31,157 @@
|
|
|
31
31
|
|
|
32
32
|
|
|
33
33
|
以上を行えば、「関数myStepfunction」を実行する度に、「RR」の末尾に関数内で計算された「R」の数値が追加されるはずです
|
|
34
|
+
|
|
35
|
+
|
|
36
|
+
|
|
37
|
+
.
|
|
38
|
+
|
|
39
|
+
【追記】
|
|
40
|
+
|
|
41
|
+
上記の変更により、「関数myStepfunction」は下記のようになります
|
|
42
|
+
|
|
43
|
+
```matlab
|
|
44
|
+
|
|
45
|
+
function [NextObservation, Reward, IsDone, LoggedSignals] = myStepfunction(Action,LoggedSignals,SimplePendulum)
|
|
46
|
+
|
|
47
|
+
|
|
48
|
+
|
|
49
|
+
% 操作する前の状態を取得
|
|
50
|
+
|
|
51
|
+
|
|
52
|
+
|
|
53
|
+
statePre = [-pi/2;0];
|
|
54
|
+
|
|
55
|
+
statePre(1) = SimplePendulum.Theta;
|
|
56
|
+
|
|
57
|
+
statePre(2) = SimplePendulum.AngularVelocity;
|
|
58
|
+
|
|
59
|
+
|
|
60
|
+
|
|
61
|
+
IsDone = false;
|
|
62
|
+
|
|
63
|
+
|
|
64
|
+
|
|
65
|
+
% 状態を更新
|
|
66
|
+
|
|
67
|
+
|
|
68
|
+
|
|
69
|
+
SimplePendulum.pstep(Action);
|
|
70
|
+
|
|
71
|
+
|
|
72
|
+
|
|
73
|
+
% 操作後の状態を取得
|
|
74
|
+
|
|
75
|
+
state = [-pi/2;0]; % 状態を初期化
|
|
76
|
+
|
|
77
|
+
state(1) = SimplePendulum.Theta; % 角度
|
|
78
|
+
|
|
79
|
+
state(2) = SimplePendulum.AngularVelocity; % 角速度
|
|
80
|
+
|
|
81
|
+
|
|
82
|
+
|
|
83
|
+
X_state_Position = sin(state(1));
|
|
84
|
+
|
|
85
|
+
Y_state_Position = -cos(state(1));
|
|
86
|
+
|
|
87
|
+
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
|
|
91
|
+
% ボールの距離の計算と誤差
|
|
92
|
+
|
|
93
|
+
%R = ones(1,1);
|
|
94
|
+
|
|
95
|
+
%RR = [];
|
|
96
|
+
|
|
97
|
+
global RR
|
|
98
|
+
|
|
99
|
+
Ball_Target = 10;
|
|
100
|
+
|
|
101
|
+
Ball_Distance = X_state_Position + (-state(2))* sqrt(2*abs(Y_state_Position)/9.8);
|
|
102
|
+
|
|
103
|
+
R = -abs(Ball_Distance -Ball_Target);** ←ここでRを計算，常にRは値が更新されます．**
|
|
104
|
+
|
|
105
|
+
RR = [RR;R]; **←計算されたRをRRに格納したいです．**
|
|
106
|
+
|
|
107
|
+
% 報酬の計算
|
|
108
|
+
|
|
109
|
+
|
|
110
|
+
|
|
111
|
+
|
|
112
|
+
|
|
113
|
+
if (state(2) > 0) || (SimplePendulum.Y_Position < 0)
|
|
114
|
+
|
|
115
|
+
IsDone = true;
|
|
116
|
+
|
|
117
|
+
[InitialObservation, LoggedSignal] = myResetFunction(SimplePendulum);
|
|
118
|
+
|
|
119
|
+
LoggedSignal.State = [-pi/2 ; 0];
|
|
120
|
+
|
|
121
|
+
InitialObservation = LoggedSignal.State;
|
|
122
|
+
|
|
123
|
+
state = InitialObservation;
|
|
124
|
+
|
|
125
|
+
SimplePendulum.Theta =-pi/2;
|
|
126
|
+
|
|
127
|
+
SimplePendulum.AngularVelocity = 0;
|
|
128
|
+
|
|
129
|
+
|
|
130
|
+
|
|
131
|
+
|
|
132
|
+
|
|
133
|
+
end
|
|
134
|
+
|
|
135
|
+
|
|
136
|
+
|
|
137
|
+
|
|
138
|
+
|
|
139
|
+
|
|
140
|
+
|
|
141
|
+
|
|
142
|
+
|
|
143
|
+
LoggedSignals.State = state; % 状態を保存
|
|
144
|
+
|
|
145
|
+
|
|
146
|
+
|
|
147
|
+
|
|
148
|
+
|
|
149
|
+
% 次の状態 状態を更新
|
|
150
|
+
|
|
151
|
+
NextObservation = LoggedSignals.State;
|
|
152
|
+
|
|
153
|
+
|
|
154
|
+
|
|
155
|
+
|
|
156
|
+
|
|
157
|
+
Reward = +max(R);
|
|
158
|
+
|
|
159
|
+
|
|
160
|
+
|
|
161
|
+
|
|
162
|
+
|
|
163
|
+
|
|
164
|
+
|
|
165
|
+
end
|
|
166
|
+
|
|
167
|
+
```
|
|
168
|
+
|
|
169
|
+
変更した関数を用いて、下記のように実行して、結果を確認してみてください
|
|
170
|
+
|
|
171
|
+
(「...」には、適切なパラメータを記入してください)
|
|
172
|
+
|
|
173
|
+
```matlab
|
|
174
|
+
|
|
175
|
+
global RR
|
|
176
|
+
|
|
177
|
+
RR = [];
|
|
178
|
+
|
|
179
|
+
myStepfunction(...)
|
|
180
|
+
|
|
181
|
+
myStepfunction(...)
|
|
182
|
+
|
|
183
|
+
myStepfunction(...)
|
|
184
|
+
|
|
185
|
+
disp(RR)
|
|
186
|
+
|
|
187
|
+
```
|