machine-learning - 麻省理工学院深度流量挑战赛的奖励功能？

Question

我一直在玩MIT DeepTraffic Challenge另外watching the lecture and reading the slides

在对架构有了总体了解之后，我想知道环境给出的奖励函数到底是什么。

1. 与网格单元的输入(最大可行驶速度)相同吗？
2. 他们是否使用奖励剪辑？

我还发现了这个javascript Codebase ，这对我的理解也没有多大帮助。

Answer 1

奖励是区间内的平均速度:[-3, 3]。

deeptraffic环境的实现位于此文件中: https://selfdrivingcars.mit.edu/deeptraffic/gameopt.js

我正在努力使其可读。这是 WIP 中的一个: https://github.com/mljack/deeptraffic/blob/master/gameopt.js

    var reward = (avgSpeedMeasurement - 60) / 20;