机器学习简单的赛车游戏

Question

我的任务是从赛车游戏上方创建一个简单的2D视图。本游戏中唯一的目标就是尽可能及时地达到最佳效果。玩家可以驾驶汽车并加速或减速。如果玩家从赛道上退出，游戏就结束了。

此时很简单，但游戏也有人工智能。人工智能的目标是根据人类玩家过去的描述，在轨道上学习“最佳”追踪。

我正在考虑一些功能，这些可以用作训练集：

• 跟踪播放器作为轨道拓扑的功能
• 播放器的速度作为曲目位置的函数

当然，其他功能或信息可能很有用。

可以使用哪些学习方法来制作有效的曲目。我的目标不是击败人类玩家，而是要到达赛道尽头。 ：）

Answer 1

我大多只是在这里集思广益，但是：

据我了解，你的情况是这样的：

• 你必须从开始到结束
• 你不必反复做这件事，实现更好更好的“圈速”
• 你必须采用任何类型的学习算法（是否有规范允许学习算法/智能算法？）
• 你知道地图，包括开始和结束（？）
• 地图是基于网格的，或者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：

• 定义描述当前（或邻近）位置的一些简单要素（向量）（例如，从“完成”的角度，距离轨道边缘的距离）
• 定义良好特征（例如距离完成的距离）
• 在每一步中，做出决定，你将朝哪个方向移动（左，右，前，后）

因此，您有一组输入功能和决策问题。

• 您可以定义一个模糊控制系统，为您提供最佳方向。 （像我这样的规则，我接近边界然后离开，如果我前往终点并且远离边界，那么继续前进）
• 更简单，您可以构建决策树
• 您可以构建一个选择下一步的SVM或神经网络

（这些不是具体的实施思路，取决于你的选择）

选择在很大程度上取决于您使用的工具（Matlab，C ++，Python等）以及您熟悉的学习算法。我建议选择你认识最好的那个，并尝试使用一个模型。

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。神经网络用于建模输入和输出之间的复杂关系或在数据中找到模式。”

http://en.wikipedia.org/wiki/Artificial_neural_network

Answer 3

我认为弄清楚如何代表你的环境以及针对这种情况的“可能”行动更为重要，模型只是链接它们的一种方式。

在我看来，您可以尝试诸如“从左/右边缘到汽车的距离”，“当前车速”和“汽车和道路方向之间的角度差异”等功能。这些将是您的模型输入。

接下来将它们与汽车的可用动作相关联，“向左转”/“向右转”/“加速/减速”，“游戏继续/结束”或其他。这些将是您的模型输出。

如果您要使用NN，我会想出两种方法来训练您的模型。 1.您可以玩游戏，并在操作适用于汽车时随时记录您的程序输入。 2.制作一个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进行训练。

我不熟悉强化学习，但我仍然认为它是相关的，你也可以深入研究并试一试。