[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,63 +2,258 @@
|
||||
id: wiki-2026-0508-experience-replay
|
||||
title: Experience Replay
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [RL-REPLAY-001]
|
||||
aliases: [experience replay, replay buffer, prioritized replay, hindsight, HER]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: ["Reinforcement-Learning|[Reinforcement-Learning", ai, experience-replay, dqn, stable-learning]
|
||||
confidence_score: 0.97
|
||||
verification_status: applied
|
||||
tags: [reinforcement-learning, dqn, replay-buffer, prioritized, her, off-policy]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: Python
|
||||
framework: PyTorch / Stable-Baselines3 / Tianshou
|
||||
---
|
||||
|
||||
# Experience Replay (경험 재플레이)
|
||||
# Experience Replay
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "과거의 경험을 망각 속에 버리지 말고, 무작위로 꺼내어 현재의 지능을 다져라" — 에이전트가 환경과 상호작용하며 얻은 경험 데이터($s, a, r, s'$)를 버퍼에 저장하고, 학습 시 이들을 무작위로 샘플링하여 사용하여 학습의 상관관계를 끊고 효율을 높이는 기법.
|
||||
## 매 한 줄
|
||||
> **"매 RL transition 의 buffer 의 store + sample → 매 i.i.d.-like train"**. Lin 1992, Mnih DQN 2013. 매 off-policy 의 backbone. 매 modern: 매 Prioritized (PER), Hindsight (HER), distributed (Ape-X), n-step.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 실시간으로 유입되는 데이터 간의 강한 시간적 상관관계(Correlation)를 무작위 샘플링을 통해 파괴함으로써, 모델이 특정 상황에 편향되거나 발산하는 것을 막는 학습 안정화 패턴.
|
||||
- **주요 효과:**
|
||||
- **Reduced Correlation:** 연속된 샘플들이 서로 비슷하여 생기는 학습의 비효율성 해결.
|
||||
- **Data [[Efficiency|Efficiency]]:** 한 번의 경험을 여러 번 학습에 활용하여 데이터 가치 극대화.
|
||||
- **Stability:** 학습의 분산을 낮추어 신경망이 더 안정적으로 수렴하도록 도움.
|
||||
- **고급 기법:**
|
||||
- **Prioritized Experience Replay (PER):** 학습에 더 도움이 될 것 같은(오차가 큰) 중요한 경험을 더 자주 샘플링.
|
||||
## 매 핵심
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 즉각적인 데이터 처리가 최선이라는 고정관념에서 벗어나, 데이터를 '축적'하고 '재배치'하는 과정이 신경망 학습의 질을 결정함을 증명.
|
||||
- **정책 변화:** Skybound 프로젝트의 적 기체 AI는 플레이어와의 교전 이력을 Replay Buffer에 저장하고, 이를 통해 다양한 플레이어의 전술에 범용적으로 대응하는 강건한 정책을 구축함.
|
||||
### 매 motivation
|
||||
- **Sequential correlation**: 매 trajectory 의 i.i.d. X.
|
||||
- **Sample efficiency**: 매 reuse.
|
||||
- **Stability**: 매 catastrophic forgetting 의 reduce.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Deep-Q-Networks-DQN|Deep-Q-Networks-DQN]], [[Reinforcement-Learning|Reinforcement-Learning]], Q-Learning-Foundations, Neural-Networks-Foundations
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Experience-Replay.md
|
||||
### 매 variant
|
||||
- **Uniform**: 매 random sample.
|
||||
- **Prioritized (PER)**: 매 TD error.
|
||||
- **HER**: 매 sparse reward 의 goal relabel.
|
||||
- **n-step**: 매 multi-step return.
|
||||
- **Reservoir** (Pham): 매 lifelong.
|
||||
- **Distributed** (Ape-X, R2D2): 매 actor 의 parallel.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
### 매 응용
|
||||
- **DQN / DDQN**: 매 standard.
|
||||
- **DDPG / TD3 / SAC**: 매 continuous.
|
||||
- **HER**: 매 robotics goal.
|
||||
- **Recurrent**: 매 sequence.
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
## 💻 패턴
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
### Uniform replay buffer
|
||||
```python
|
||||
import numpy as np
|
||||
from collections import deque
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
class ReplayBuffer:
|
||||
def __init__(self, capacity=100_000):
|
||||
self.buf = deque(maxlen=capacity)
|
||||
|
||||
def push(self, s, a, r, s_next, done):
|
||||
self.buf.append((s, a, r, s_next, done))
|
||||
|
||||
def sample(self, batch_size):
|
||||
idx = np.random.choice(len(self.buf), batch_size, replace=False)
|
||||
batch = [self.buf[i] for i in idx]
|
||||
return [np.array(x) for x in zip(*batch)]
|
||||
|
||||
def __len__(self): return len(self.buf)
|
||||
```
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
### Prioritized Experience Replay (PER, Schaul 2016)
|
||||
```python
|
||||
class PER:
|
||||
def __init__(self, capacity, alpha=0.6, beta=0.4):
|
||||
self.tree = SumTree(capacity)
|
||||
self.alpha = alpha
|
||||
self.beta = beta
|
||||
self.eps = 1e-6
|
||||
self.max_p = 1.0
|
||||
|
||||
def push(self, transition):
|
||||
self.tree.add(self.max_p, transition)
|
||||
|
||||
def sample(self, batch_size):
|
||||
batch, idxs, priorities = [], [], []
|
||||
seg = self.tree.total() / batch_size
|
||||
for i in range(batch_size):
|
||||
s = np.random.uniform(seg * i, seg * (i + 1))
|
||||
idx, p, data = self.tree.get(s)
|
||||
batch.append(data); idxs.append(idx); priorities.append(p)
|
||||
|
||||
sampling_p = np.array(priorities) / self.tree.total()
|
||||
weights = (len(self.tree) * sampling_p) ** -self.beta
|
||||
weights /= weights.max()
|
||||
return batch, idxs, weights
|
||||
|
||||
def update_priorities(self, idxs, td_errors):
|
||||
for idx, err in zip(idxs, td_errors):
|
||||
p = (abs(err) + self.eps) ** self.alpha
|
||||
self.tree.update(idx, p)
|
||||
self.max_p = max(self.max_p, p)
|
||||
```
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
### SumTree (PER 의 efficient sample)
|
||||
```python
|
||||
class SumTree:
|
||||
def __init__(self, cap):
|
||||
self.cap = cap
|
||||
self.tree = np.zeros(2 * cap - 1)
|
||||
self.data = np.zeros(cap, dtype=object)
|
||||
self.ptr = 0
|
||||
|
||||
def add(self, p, data):
|
||||
idx = self.ptr + self.cap - 1
|
||||
self.data[self.ptr] = data
|
||||
self.update(idx, p)
|
||||
self.ptr = (self.ptr + 1) % self.cap
|
||||
|
||||
def update(self, idx, p):
|
||||
change = p - self.tree[idx]
|
||||
self.tree[idx] = p
|
||||
while idx != 0:
|
||||
idx = (idx - 1) // 2
|
||||
self.tree[idx] += change
|
||||
|
||||
def get(self, s):
|
||||
idx = 0
|
||||
while idx < self.cap - 1:
|
||||
l, r = 2 * idx + 1, 2 * idx + 2
|
||||
if s <= self.tree[l]: idx = l
|
||||
else: s -= self.tree[l]; idx = r
|
||||
data_idx = idx - self.cap + 1
|
||||
return idx, self.tree[idx], self.data[data_idx]
|
||||
|
||||
def total(self): return self.tree[0]
|
||||
```
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
### Hindsight Experience Replay (HER)
|
||||
```python
|
||||
def her_relabel(trajectory, k=4, strategy='future'):
|
||||
"""매 sparse-reward goal-conditioned RL."""
|
||||
augmented = []
|
||||
for t, (s, a, r, s_next, done) in enumerate(trajectory):
|
||||
augmented.append((s, a, r, s_next, done))
|
||||
# 매 future strategy: 매 future state 의 새 goal
|
||||
for _ in range(k):
|
||||
future_t = np.random.randint(t, len(trajectory))
|
||||
new_goal = trajectory[future_t][3] # 매 future s_next
|
||||
new_r = compute_reward(s_next, new_goal)
|
||||
new_s = augment_with_goal(s, new_goal)
|
||||
new_s_next = augment_with_goal(s_next, new_goal)
|
||||
augmented.append((new_s, a, new_r, new_s_next, done))
|
||||
return augmented
|
||||
```
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
### N-step return
|
||||
```python
|
||||
def n_step_buffer(buffer, n=3, gamma=0.99):
|
||||
samples = buffer.sample(batch_size)
|
||||
s, a, r, s_next, done = samples
|
||||
n_step_r = np.zeros_like(r)
|
||||
for i in range(len(s)):
|
||||
cum = 0
|
||||
for k in range(n):
|
||||
cum += gamma**k * r[i + k] if i + k < len(r) else 0
|
||||
if i + k < len(done) and done[i + k]: break
|
||||
n_step_r[i] = cum
|
||||
return s, a, n_step_r, s_next, done
|
||||
```
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
### Distributed (Ape-X)
|
||||
```python
|
||||
# 매 multiple actors → central learner
|
||||
class DistributedReplay:
|
||||
def __init__(self, capacity, n_actors):
|
||||
self.local_buffers = [ReplayBuffer(capacity // n_actors) for _ in range(n_actors)]
|
||||
self.priorities = [] # 매 from learner
|
||||
|
||||
def actor_push(self, actor_id, transition, td_estimate):
|
||||
self.local_buffers[actor_id].push(transition)
|
||||
|
||||
def learner_sample(self, batch_size):
|
||||
# 매 weighted sample across local buffers
|
||||
return self._distributed_sample(batch_size)
|
||||
```
|
||||
|
||||
### Recurrent replay (R2D2)
|
||||
```python
|
||||
class RecurrentReplay:
|
||||
"""매 store sequences for LSTM."""
|
||||
def push_sequence(self, sequence_of_transitions):
|
||||
self.buf.append(sequence_of_transitions)
|
||||
|
||||
def sample(self, batch_size, seq_len=80, burn_in=40):
|
||||
seqs = []
|
||||
for _ in range(batch_size):
|
||||
traj = self.buf[np.random.randint(len(self.buf))]
|
||||
start = np.random.randint(0, len(traj) - seq_len + 1)
|
||||
seqs.append(traj[start:start + seq_len])
|
||||
return seqs
|
||||
```
|
||||
|
||||
### DQN training (with replay)
|
||||
```python
|
||||
def dqn_step(q_net, target_net, batch, optim, gamma=0.99):
|
||||
s, a, r, s_next, done = batch
|
||||
q = q_net(s).gather(1, a.unsqueeze(1)).squeeze()
|
||||
with torch.no_grad():
|
||||
q_next = target_net(s_next).max(1).values
|
||||
target = r + gamma * q_next * (1 - done)
|
||||
loss = F.smooth_l1_loss(q, target)
|
||||
optim.zero_grad(); loss.backward(); optim.step()
|
||||
return (target - q).abs().detach() # 매 TD error for PER
|
||||
```
|
||||
|
||||
### Beta annealing (PER)
|
||||
```python
|
||||
def anneal_beta(step, total_steps, start=0.4, end=1.0):
|
||||
return start + (end - start) * (step / total_steps)
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Standard DQN | Uniform |
|
||||
| Sample-efficient | PER |
|
||||
| Sparse reward + goal | HER |
|
||||
| Long-horizon | n-step |
|
||||
| LSTM policy | Recurrent (R2D2) |
|
||||
| Massive scale | Distributed (Ape-X) |
|
||||
| Lifelong | Reservoir |
|
||||
|
||||
**기본값**: 매 PER + n-step (n=3) + double DQN. 매 sparse + goal: HER. 매 production: distributed.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Reinforcement-Learning]]
|
||||
- 변형: [[Prioritized-Experience-Replay]] · [[Hindsight-Experience-Replay]]
|
||||
- 응용: [[DQN]] · [[DDPG]] · [[SAC]] · [[Ape-X]]
|
||||
- Adjacent: [[Off-Policy-Learning]] · [[Eligibility-Traces]] · [[Catastrophic-Forgetting]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 off-policy RL. 매 sparse reward. 매 distributed.
|
||||
**언제 X**: 매 on-policy (PPO, A2C).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **No buffer**: 매 correlation collapse.
|
||||
- **PER without weight correction**: 매 biased.
|
||||
- **Tiny buffer**: 매 forget.
|
||||
- **HER without symmetric reward**: 매 fail.
|
||||
- **Sample on-policy**: 매 method 의 mismatch.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Mnih DQN 2013, Schaul PER 2016, Andrychowicz HER 2017, Horgan Ape-X 2018).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-04-26 | RL-REPLAY auto |
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — uniform / PER / HER / n-step / distributed code |
|
||||
|
||||
Reference in New Issue
Block a user