machine-learning - 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 俯视赛车游戏。本场比赛的唯一目标就是尽可能及时取得最好的成绩。玩家可以驾驶汽车并加速或减速。如果玩家走出赛道，游戏就结束。

现在很简单，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轨迹来学习赛道上的“最佳”轨迹。

我正在考虑一些函数，这些可以用作训练集:

• 作为赛道拓扑函数的玩家追踪
• 玩家的速度与轨道位置的函数

当然其他功能或信息也可能有用。

学习方法可以用来产生有效的轨迹。我的目标不是打败人类玩家，而是到达赛道的终点。 :)

Answer 1

我主要只是在这里集思广益，但是:

据我了解，您的情况是这样的:

• 你必须从开始到结束
• 您不必重复执行此操作并获得越来越好的“单圈”时间
• 您必须结合任何类型的学习算法(是否有规范允许使用哪些学习算法/智能算法？)
• 您知道 map ，包括起点和终点(？)
• map 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:

• 定义一些简单的特征(向量)来描述您当前(或邻近)的位置(例如距终点的角度、距赛道边缘的距离)
• 定义优度特征(例如距离终点的距离)
• 在每一步中，做出决定，您将向哪个方向移动(左、右、向前、向后)

所以你有一组输入特征和一个决策问题。

• 您可以定义一个模糊控制系统，为您提供最佳方向。 (规则如下:如果我靠近边界，则离开，如果我正前往终点并且距离边界足够远，则继续前进)
• 更简单的是，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

(这些不是具体的实现思路，取决于你的选择)

选择很大程度上取决于您使用的工具(Matlab、C++、Python 等)以及您熟悉哪种学习算法。我建议选择您最了解的一个，并尝试为其拟合一个模型。