简单赛车游戏中的机器学习

Question

我的任务是创建一个简单的，2D，从上面看到赛车游戏。这个游戏唯一的目标是在尽可能的时间内达到最好的结果。玩家可以驾驶汽车，也可以加速或减速。如果运动员离开赛道，比赛就结束了。

这是简单的一点，但游戏也有一个人工智能。人工智能的目标是学习在轨道上的“最优”跟踪，基于人类玩家过去的轨迹。

我正在考虑一些功能，这些功能可以用作培训集：

• 作为轨道拓扑函数的球员追踪
• 运动员的速度作为场地位置的函数

当然，其他功能或信息也是有用的。

什么学习方法可以用来产生一个有效的轨道。我的目标不是打败人类的球员，而只是到达赛道的尽头。:)

Answer 1

我主要是在这里集思广益，但是：

据我所知，你的处境是这样的：

• 你必须从头到尾
• 你不必一次又一次地做这件事，获得越来越好的“圈”时间。
• 你必须融入任何一种学习算法(是否有规范，允许哪些学习算法/智能算法？)
• 你知道地图，包括开始和完成(?)
• 地图是基于网格的，也可以很容易地表示为网格(?)

在这种情况下，一个非常简单的模型如下：

• 定义一些简单的特征(向量)，描述当前(或邻近)位置是(例如，距离终点的角度，距轨道边缘的距离)。
• 定义一个美好的特征(例如，距离完成的距离)
• 在每一步中，做一个决定，你将移动哪个方向(左，右，向前，向后)

因此，您有一组输入特性和决策问题。

• 您可以定义一个模糊控制系统，为您提供最佳的方向。(规则是，如果我靠近边界，然后离开，如果我要去终点，离边界足够远，那就向前走。)
• 更简单的是，您可以构造一个决策树。
• 您可以构造选择下一步的支持向量机或神经网络。

(这些并不是具体的实现思想，这取决于您选择的是什么)

选择在很大程度上取决于您所使用的工具(Matlab、C++、Python等)以及您熟悉的学习算法。我建议选择一个你知道的最好的，并尝试适合的模式。

Answer 2

也许你可以试试神经网络？

“在大多数情况下，神经网络是在学习阶段改变其结构的自适应系统。神经网络用于模拟输入和输出之间复杂的关系或在数据中查找模式。”

network

Answer 3

我认为更重要的是要弄清楚如何表示您的环境和“可能的”行动，在这种情况下，模型只是一个东西来联系他们。

在我看来，你可以尝试诸如“从左/右路缘到你的车的距离”，“当前的汽车速度”和“汽车与道路方向的角度差异”等等。这些将是您的模型输入。

然后将它们与可用的汽车动作、“左转”/“右转”/“加速/向下”、“游戏继续/结束”或其他什么动作联系起来。这些将是您的模型输出。

如果你要用神经网络，我想出两种方法来训练你的模型。1.您可以玩您的游戏，并使您的程序记录输入时，任何时候，一个动作是适用于汽车。2.建立随机驾驶汽车的算法，对训练数据进行采样，并选择有效的训练模型。

我不熟悉强化学习，但我仍然认为这是相关的，你也可以潜入其中，试一试。