怎样从零开始训练一个AI车手？
怎样从零开始训练一个AI车手？如何快速理解强化学习的概念？驯只猫就行。比如下面这位爷，巨皮。整天就是跑酷、尿炕、抓沙发，搞到人头皮发麻、心态爆炸。直到你忍不了了，决定对它进行残酷的猫德教育。方案是：允中发自凹非寺以后在家，每当它表现出一次守猫德的行为，就奖励一根猫条；而每当它皮一次，你就立刻扑过去，咬它的头……这样反复拉扯两个月之后，你的猫再也不敢皮了——这个过程里发生的事情，就是“强化学习”：一个智能体（你的猫）在与环境（有你的你家）互动的过程中，在奖励（猫条）和惩罚（咬头）机制的刺激下，逐渐学会了一套能够最大化自身收益的行为模式（安静，躺平）。所以其实，养猫跟搞人工智能，道理是一样的。强化学习最著名的代表当然是AlphaGo：几万盘棋，左右互搏，最后无师自通成了独步天下的围棋之神。如果把AlphaGo看作上面例子里的猫，那在训练里，决定它能否获得“猫条”的每盘棋最终的对弈结果——赢了就有好东西吃，输了就要被吃（bushi）。另外，DeepMind开发出过一个能在57款雅达利游戏上都超越人类玩家的智能体，背后依靠的同样是强化学习算法。不过这里的奖励和惩罚机制就要根据不同的游戏来具体设计了。比如玩最简单的吃豆人，就可以对每次吃到豆子的行为进行奖励，对撞到幽灵gg的状况给予惩罚。而除了在游戏领域天空海阔之外，强化学习，其实还能拿来搞自动驾驶。如何训练AI司机为了更方便地说明这件事怎么实现，这里我们借用一个道具：来自亚马逊云科技的AmazonDeepRacer。一辆看上去很概念的小车，跟真车的比例是1比18。车上安装了处理器、摄像头，甚至还可以配置激光雷达，为的就是实现自动驾驶——当然，前提就是我们先在车上部署训练好的强化学习算法。算法的训练需要在虚拟环境中进行，为此AmazonDeepRacer配套了一个管理控制台，里面包含一个3D赛车模拟器，能让人更直观地看到模型的训练效果。有了这套东西，我们就能自己尝试从零开始训练一个AI司机。具体怎么做呢？重点来了：假设这是模拟器里的一条完全笔直的赛道，以及虚拟环境里的AmazonDeepRacer赛车。我们的目标是让赛车以最短的时间冲刺到终点——那么对于这条赛道而言，最好的选择就是让车尽量沿着中线跑，避免因绕路或出界而导致增加时长。为此，我们可以把赛道切分成多个网格，然后给这些网格赋予不同的分数：靠近中间的，给更高的分；在两侧的，稍微意思一下；超出赛道范围的部分属于无效区域，如果碰到，就要从头再来。开跑之后，一开始，赛车并不知道哪一条是最佳路线，只是在像无头苍蝇一样四处乱撞，很多时候还会冲出赛道。但后面，随着试错的次数越来越多，在奖励函数的“指挥”下，赛车会逐渐探索出一条能够获得最高累积分数的路线。理想状况下，一段时间的训练、迭代之后，算法就会学会“直线”最快这条真理。而再把算法部署到车上，我们就能收获一辆会跑直线的赛车。当然跑直线只是一种最简单的情...PC版：https://www.cnbeta.com/articles/soft/1311641.htm手机版：https://m.cnbeta.com/view/1311641.htm
在Telegram中查看相关推荐
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人