As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Agentes de simulação e de teste
Agentes de simulação e de teste operam em ambientes virtualizados ou controlados, onde raciocinam, agem e aprendem. Esses agentes simulam comportamento, modelam resultados e treinam estratégias em ambientes repetíveis antes de aplicá-las a ambientes do mundo real.
Esse padrão é útil para desenvolvimento iterativo, aprendizado por reforço (RL), avaliação autônoma de tomada de decisão e testes de comportamento emergentes. Os agentes de simulação geralmente operam em circuitos fechados, recebendo feedback de seu ambiente e ajustando seu comportamento de acordo, tornando-os essenciais para tarefas que envolvem raciocínio espacial, controle em tempo real ou dinâmica complexa do sistema.
Arquitetura
O diagrama a seguir mostra uma simulação ou um agente de teste:
Description
-
Inicia um ambiente
-
O agente inicia um ambiente simulado (por exemplo, um mundo 3D, um mecanismo de física, um sandbox de CLI ou um fluxo de dados sintético).
-
O agente é carregado no ambiente com uma tarefa, meta ou política inicial.
-
-
Percebe o agente
-
O agente percebe o estado atual por meio da telemetria de simulação (por exemplo, emulação de sensor, câmera virtual e registros estruturados).
-
-
Recupera objetivo e memória
-
O agente recupera o objetivo atribuído, as instruções do cenário ou a meta contextual.
-
Ele também pode recuperar a memória anterior, incluindo o seguinte:
-
Estratégias ou políticas de longo prazo
-
Mapas ambientais ou restrições conhecidas
-
Sucessos ou fracassos anteriores de simulações semelhantes
-
-
-
Razões e planos
-
Um LLM interpreta o estado simulado, os objetivos da tarefa e o conhecimento aprendido.
-
Ele gera um plano de ação ou comando de controle.
-
-
Executa ações simuladas
-
O agente executa o plano, modifica o estado, navega pelo espaço ou interage com entidades virtuais.
-
-
Aprende
-
O agente avalia os resultados da ação
-
Dependendo da configuração do agente, ele pode fazer o seguinte:
-
Execute RL
-
Registre os resultados para futuros ajustes
-
Adapte estratégias em tempo real
-
-
Capacidades
-
Opera em ambientes sintéticos ou virtuais
-
Oferece suporte ao trial-and-error aprendizado, ao refinamento de políticas e à modelagem do sistema
-
Testes de baixo risco para comportamento, tratamento de falhas e casos extremos
-
Permite a análise do comportamento de agentes emergentes em configurações de vários agentes
-
Suporta controle e exploração em circuito fechado human-in-the-loop
Casos de uso comuns
-
Aprendizado por reforço para robótica, drones e jogos
-
Treinamento de veículos autônomos em estradas virtuais
-
Cenários simulados UIs ou CLIs para DevOps e em bancos de ensaio
-
Experimentos de comportamento emergente em simulações sociais
-
Validação de segurança da lógica de decisão antes da produção
Orientação para implementação
Você pode criar um agente de simulação e teste usando as seguintes ferramentas e: Serviços da AWS
Componente |
AWS service (Serviço da AWS) |
Finalidade |
|---|---|---|
Environment |
Amazon ECS EC2, Amazon ou um simulador personalizado no Amazon SageMaker Studio Lab |
Execute mundos virtuais (Gazebo, Unity, Unreal) ou sandbox CLIs |
Lógica do agente |
Amazon Bedrock SageMaker, Amazon ou AWS Lambda |
Planejadores baseados em LLM ou agentes de RL |
Ciclo de feedback |
SageMaker Aprendizado por reforço da Amazon CloudWatch, Amazon ou registros personalizados |
Rastreamento de recompensas, pontuação de resultados e registro de comportamento |
Memória e repetição |
Amazon S3, Amazon DynamoDB ou Amazon RDS |
Estado persistente, histórico de episódios ou dados do cenário |
Visualização |
CloudWatch Painéis da Amazon ou notebooks da Amazon SageMaker |
Observe as mudanças nas políticas, os resultados e as métricas de treinamento |
A seguir estão os aplicativos adicionais:
-
AWS SimSpace Weaver
para simulações espaciais em grande escala -
AWS IoT Corepara testar dispositivos de sombra
-
Amazon SageMaker Experiments para avaliação e benchmarking de agentes
Resumo
Os agentes de simulação e de teste são para exploração estruturada antes de serem implantados em sistemas de produção. Use esses agentes para treinar políticas de navegação autônoma, testar processos de negócios em ambientes sintéticos e avaliar padrões de coordenação em enxames.
