什么机器学习算法适合射击篮球？

Question

我们制作的机器人可以将篮球投篮。

从图像和我们的摄像机的角度和目标的尺寸（各项指标均涂有逆反射带），我们知道的知识，我们是多么的遥远，X和Y（距离为Z，更多或更少）

此被送入的机器学习算法，该算法应吐出

1. 速度被发送到佳能
2. 水平倾斜
3. 垂直倾斜

这是一种什么样的机器学习算法，你将如何训练它？

Answer 1

我会推荐强化学习方法。它会很慢;所以也许你可以用你自己的估计（基础物理）初始化解决方案，并通过强化学习来完善它。

Answer 2

机器学习可能不适合此任务。至少，不是本身。使用物理。你应该能够从第一学期的物理教科书中得到一个粗略的公式，尽管你需要决定你是瞄准中间还是后面的板子。

你的物理公式应该告诉你使用的角度和力，但是你的系统模型会有一些不准确的地方。不同的球可能具有不同的质量，并且您可能不想明确说明空气阻力等等。根据先前拍摄的距离有多大，可以通过偏移量空间进行搜索。 Mencel说，搜索方法的选择取决于你 - 模拟退火可以很好地工作。

这里可能用于机器学习的一个可能用途是记住和推断这些偏移量。函数逼近器（如神经网络）可以用来从经验中学习偏移量。一旦您的搜索方法成功将球放入篮框中，将其用作训练示例，以便学习从物理模型所使用的映射到导致射击的偏移。然后，对于下一个镜头（来自任何位置），函数逼近器将用于猜测要使用的偏移量。如果该镜头未命中，请重复搜索，直到找到正确的偏移。更新函数近似器，冲洗并重复。另外，如果你的函数逼近器初始化时最初总是说不应用偏移，那么它可能是有益的，毕竟，最好的首次猜测应该是使用物理模型告诉你使用的东西。