Chủ đề 45: HỌC TĂNG CƯỜNG VÀ KIỂM SOÁT TỰ ĐỘNG
Bài 1: Dịch các từ sau sang tiếng Anh (Chuyên sâu)
| STT | Tiếng Việt | XEM ĐÁP ÁN (English / IPA) |
|---|---|---|
| 1. | Học tăng cường (RL) |
ĐÁP ÁNReinforcement Learning (RL)/ˌriːɪnfɔːrsmənt ˈlɜːrnɪŋ/
|
| 2. | Hệ thống điều khiển vòng kín |
ĐÁP ÁNClosed-loop control system/ˌkləʊzd luːp kənˈtrəʊl ˈsɪstəm/
|
| 3. | Hàm giá trị (Value Function) |
ĐÁP ÁNValue Function/ˈvæljuː ˈfʌŋkʃn/
|
| 4. | Thuật toán điều khiển PID |
ĐÁP ÁNPID controller (Proportional–Integral–Derivative)/ˌpiːaɪˈdiː kənˈtrəʊlər/
|
| 5. | Tác nhân (Agent) |
ĐÁP ÁNAgent/ˈeɪdʒənt/
|
| 6. | Khám phá (Exploration) |
ĐÁP ÁNExploration/ˌekspləˈreɪʃn/
|
| 7. | Khai thác (Exploitation) |
ĐÁP ÁNExploitation/ˌeksplɔɪˈteɪʃn/
|
| 8. | Tín hiệu sai số (Error Signal) |
ĐÁP ÁNError Signal/ˈerər ˈsɪɡnəl/
|
| 9. | Phần thưởng trì hoãn (Delayed Reward) |
ĐÁP ÁNDelayed Reward/dɪˈleɪd rɪˈwɔːrd/
|
| 10. | Điểm đặt (Set-point) |
ĐÁP ÁNSet-point/ˈset pɔɪnt/
|
Bài 2: Dịch các câu sau
Dịch Việt – Anh:
- Trong Học tăng cường, tác nhân học cách tối đa hóa tổng phần thưởng trì hoãn.
ĐÁP ÁN
In Reinforcement Learning, the agent learns to maximize the total delayed reward./ɪn ˌriːɪnfɔːrsmənt ˈlɜːrnɪŋ, ðə ˈeɪdʒənt lɜːrnz tuː ˈmæksɪmaɪz ðə ˈtəʊtl dɪˈleɪd rɪˈwɔːrd./ - Hệ thống điều khiển vòng kín sử dụng tín hiệu sai số để điều chỉnh đầu ra.
ĐÁP ÁN
A closed-loop control system utilizes the error signal to adjust the output./ə ˌkləʊzd luːp kənˈtrəʊl ˈsɪstəm ˈjuːtɪlaɪzɪz ðiː ˈerər ˈsɪɡnəl tuː əˈdʒʌst ðiː ˈaʊtpʊt./ - Thuật toán điều khiển PID kết hợp các thành phần Tỷ lệ, Tích phân và Đạo hàm để đạt được Điểm đặt.
ĐÁP ÁN
The PID controller combines Proportional, Integral, and Derivative components to achieve the set-point./ðə ˌpiːaɪˈdiː kənˈtrəʊlər ˈkɒmbaɪnz prəˈpɔːrʃənl, ˈɪntɪɡrəl, ænd dɪˈrɪvətɪv kəmˈpəʊnənts tuː əˈtʃiːv ðə ˈset pɔɪnt./
Dịch Anh – Việt:
- The core challenge in RL is the trade-off between exploration, trying new actions, and exploitation, using known successful actions./ðə kɔːr ˈʧælɪndʒ ɪn ˌɑːrˈɛl ɪz ðə ˈtreɪd ɒf bɪˈtwiːn ˌekspləˈreɪʃn, ˈtraɪɪŋ njuː ˈækʃnz, ænd ˌeksplɔɪˈteɪʃn, ˈjuːzɪŋ nəʊn səkˈsesfʊl ˈækʃnz./
ĐÁP ÁN
Thử thách cốt lõi trong Học tăng cường là sự đánh đổi giữa khám phá, thử các hành động mới, và khai thác, sử dụng các hành động thành công đã biết.
- The Value Function estimates the expected long-term return starting from a particular state./ðə ˈvæljuː ˈfʌŋkʃn ˈestɪmeɪts ðiː ɪkˈspektɪd lɒŋ tɜːrm rɪˈtɜːrn ˈstɑːrtɪŋ frəm ə pərˈtɪkjələr steɪt./
ĐÁP ÁN
Hàm giá trị ước tính lợi nhuận dài hạn dự kiến bắt đầu từ một trạng thái cụ thể.
- Automatic control systems rely on feedback to continuously minimize the difference between the actual process variable and the desired set-point./ˌɔːtəˈmætɪk kənˈtrəʊl ˈsɪstəmz rɪˈlaɪ ɒn ˈfiːdbæk tuː kənˈtɪnjuəsli ˈmɪnɪmaɪz ðə ˈdɪfrəns bɪˈtwiːn ðiː ˈæktʃuəl ˈprəʊses ˈveəriəbl ænd ðə dɪˈzaɪərd ˈset pɔɪnt./
ĐÁP ÁN
Các hệ thống điều khiển tự động dựa vào phản hồi để liên tục giảm thiểu sự khác biệt giữa biến số quá trình thực tế và điểm đặt mong muốn.
Bài 3: Dịch hội thoại sau (Anh – Việt)
| English (English / IPA) | XEM ĐÁP ÁN (Tiếng Việt) |
|---|---|
| A: In Reinforcement Learning, how does the agent determine its long-term strategy? /ɪn ˌriːɪnfɔːrsmənt ˈlɜːrnɪŋ, haʊ dʌz ðə ˈeɪdʒənt dɪˈtɜːrmɪn ɪts lɒŋ tɜːrm ˈstrætədʒi?/ |
ĐÁP ÁNTrong Học tăng cường, tác nhân xác định chiến lược dài hạn của mình như thế nào? |
| B: By learning the Value Function, which maps states to the maximum expected cumulative reward, including delayed rewards. /baɪ ˈlɜːrnɪŋ ðə ˈvæljuː ˈfʌŋkʃn, wɪʧ mæps steɪts tuː ðə ˈmæksɪməm ɪkˈspektɪd ˈkjuːmjələtɪv rɪˈwɔːrd, ɪnˈkluːdɪŋ dɪˈleɪd rɪˈwɔːrdz./ |
ĐÁP ÁNBằng cách học Hàm giá trị, thứ ánh xạ các trạng thái tới phần thưởng tích lũy tối đa dự kiến, bao gồm cả các phần thưởng trì hoãn. |
| A: What is the role of the error signal in a closed-loop control system? /wɒt ɪz ðə rəʊl əv ðiː ˈerər ˈsɪɡnəl ɪn ə ˌkləʊzd luːp kənˈtrəʊl ˈsɪstəm?/ |
ĐÁP ÁNVai trò của tín hiệu sai số trong hệ thống điều khiển vòng kín là gì? |
| B: The error signal is the difference between the measured output and the desired set-point; it is the input to the controller (like a PID) for corrective action. /ðiː ˈerər ˈsɪɡnəl ɪz ðə ˈdɪfrəns bɪˈtwiːn ðə ˈmeʒərd ˈaʊtpʊt ænd ðə dɪˈzaɪərd ˈset pɔɪnt; ɪt ɪz ðiː ˈɪnpʊt tuː ðə kənˈtrəʊlər fər kəˈrektɪv ˈækʃn./ |
ĐÁP ÁNTín hiệu sai số là sự khác biệt giữa đầu ra đo được và điểm đặt mong muốn; nó là đầu vào cho bộ điều khiển (như PID) để thực hiện hành động sửa lỗi. |
| A: How do exploration and exploitation balance in training an RL agent? /haʊ duː ˌekspləˈreɪʃn ænd ˌeksplɔɪˈteɪʃn ˈbæləns ɪn ˈtreɪnɪŋ ən ˌɑːrˈɛl ˈeɪdʒənt?/ |
ĐÁP ÁNKhám phá và khai thác cân bằng như thế nào trong việc huấn luyện một tác nhân Học tăng cường? |
| B: Initially, the agent favors exploration to discover the environment and rewards; later, it shifts towards exploitation to take the optimal actions based on what it has learned. /ɪˈnɪʃəli, ðə ˈeɪdʒənt ˈfeɪvərz ˌekspləˈreɪʃn tuː dɪˈskʌvər ðiː ɪnˈvaɪrənmənt ænd rɪˈwɔːrdz; ˈleɪtər, ɪt ʃɪfts təˈwɔːrdz ˌeksplɔɪˈteɪʃn tuː teɪk ðiː ˈɒptɪməl ˈækʃnz beɪst ɒn wɒt ɪt hæz lɜːrnd./ |
ĐÁP ÁNBan đầu, tác nhân ưu tiên khám phá để khám phá môi trường và phần thưởng; sau đó, nó chuyển sang khai thác để thực hiện các hành động tối ưu dựa trên những gì nó đã học được. |
Bài 4: Dịch các đoạn văn sau
Dịch Việt – Anh:
“**Học tăng cường (RL)** là một khuôn khổ máy học trong đó một **tác nhân** tương tác với môi trường để học một chính sách hành động tối ưu hóa tổng **phần thưởng trì hoãn**. Thách thức chính là cân bằng giữa **khám phá** các hành động chưa biết và **khai thác** các hành động đã biết là tốt. Trong bối cảnh kỹ thuật, điều này thường được áp dụng cho các **hệ thống điều khiển vòng kín** để tự động điều chỉnh các biến số quy trình. Mục tiêu của bộ điều khiển là giảm thiểu **tín hiệu sai số** giữa **điểm đặt** và giá trị đo lường thực tế.”
ĐÁP ÁN
“Reinforcement Learning (RL) is a machine learning framework in which an agent interacts with an environment to learn an action policy that optimizes the total delayed reward. The main challenge is balancing the exploration of unknown actions with the exploitation of known good ones. In an engineering context, this is often applied to closed-loop control systems to automatically regulate process variables. The controller’s goal is to minimize the error signal between the set-point and the actual measured value.”Dịch Anh – Việt:
“The PID controller remains the most common form of automatic control due to its simplicity and effectiveness. It calculates the error signal continuously and applies a control action based on the proportional (present error), integral (accumulated past error), and derivative (prediction of future error) terms. The proper tuning of these three gain constants is crucial for achieving stability and quickly reaching the set-point without excessive oscillation. In advanced systems, RL techniques are being used to dynamically adjust these PID gains.”/ðə ˌpiːaɪˈdiː kənˈtrəʊlər rɪˈmeɪnz ðə məʊst ˈkɒmən fɔːrm əv ˌɔːtəˈmætɪk kənˈtrəʊl djuː tuː ɪts sɪmˈplɪsəti ænd ɪˈfektɪvnəs. ɪt ˈkælkjuleɪts ðiː ˈerər ˈsɪɡnəl kənˈtɪnjuəsli ænd əˈplaɪz ə kənˈtrəʊl ˈækʃn beɪst ɒn ðə prəˈpɔːrʃənl, ˈɪntɪɡrəl, ænd dɪˈrɪvətɪv tɜːrmz. ðə ˈprɒpər ˈtjuːnɪŋ əv ðiːz θriː ɡeɪn ˈkɒnstənts ɪz ˈkruːʃl fər əˈtʃiːvɪŋ stəˈbɪlɪti ænd ˈkwɪkli ˈriːʧɪŋ ðə ˈset pɔɪnt wɪˈðaʊt ɪkˈsesɪv ˌɒsɪˈleɪʃn. ɪn ədˈvɑːnst ˈsɪstəmz, ˌɑːrˈɛl tekˈniːks ər biːɪŋ juːzd tuː daɪˈnæmɪkli əˈdʒʌst ðiːz ˌpiːaɪˈdiː ɡeɪnz./
ĐÁP ÁN
**Bộ điều khiển PID** vẫn là dạng điều khiển tự động phổ biến nhất do tính đơn giản và hiệu quả của nó. Nó liên tục tính toán **tín hiệu sai số** và áp dụng hành động điều khiển dựa trên các thành phần **tỷ lệ** (sai số hiện tại), **tích phân** (sai số tích lũy trong quá khứ) và **đạo hàm** (dự đoán sai số tương lai). Việc điều chỉnh chính xác ba hằng số khuếch đại này là rất quan trọng để đạt được sự ổn định và nhanh chóng đạt được **điểm đặt** mà không bị dao động quá mức. Trong các hệ thống tiên tiến, các kỹ thuật **Học tăng cường (RL)** đang được sử dụng để điều chỉnh động các hệ số khuếch đại PID này.