机器学习在简单的赛车游戏

Question

我的任务是从上面的赛车游戏创建一个简单的2D视图。这场比赛的唯一目标是尽可能及时地获得最佳成绩。玩家可以驾驶汽车并加速或减速。如果玩家离开赛道，游戏结束。

正是在这一点上简单，但游戏也有一个AI。人工智能的目标是根据人类玩家过去的踪迹，学习轨道上的“最佳”追踪。

我考虑的一些功能，这些都可以作为训练集：

• 玩家的跟踪的轨道
• 玩家作为函数的速度的拓扑功能的轨道

当然，其它的功能或信息的位置可能是有用的。

什么学习方法可用于生成有效的轨道。我的目标不是要击败人类的球员，而是要走到赛道的尽头。 :)

Answer 1

我大多只是集思广益这里，但：

据我所知，你的情况是这样的：你必须从开始去完成

你没有

• 要重复地做到这一点，并实现更好，更好的“圈”时间
• 你必须纳入任何一种学习算法（有什么规范学习算法/智能算法允许？）
• 你知道地图，包括开始和完成（？）
• 地图是基于网格或可以很容易地表示为一个网格（？）

在这种情况下，一个非常简单的模型如下： ：

• 定义描述您当前（或相邻）位置的一些简单特征（矢量）是（例如从完成角度，距离轨迹边缘的距离）
• 定义一个优点特征（例如完成距离）
• 在每一步中，做出决定，您将移动哪个方向（左，右，前，后）

因此，您有一组输入功能和一个决策问题。

• 您可以定义一个模糊控制系统，为您提供最佳方向。 （规则如果我接近边界然后移走，如果我前往完成和远离边界，那么向前移动）
• 更简单，你可以构建决策树
• 你可以构造一个SVM或神经网络是选择下一步

（这些都不是具体的执行思路，那要看你选择什么）

选择您使用什么工具（MATLAB，C++，Python的严重依赖等等）以及您熟悉的学习算法。我建议选择一个你认识最好的人，然后尝试去适应这个模型。

Answer 2

也许你可以尝试一个神经网络？

“在大多数情况下，神经网络是一种自适应系统在学习阶段改变其结构。神经网络用于输入和输出或找到数据中的模式之间的复杂关系建模”。

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

Answer 3

我想弄清楚如何代表你的环境和这种情况“可能”的行动是更重要的，该模型只是将它们连接的事情。

在我看来，你可以试试“道路的左/右边缘距离你的车”，“当前车速”和“道路方向之间的角度差异”等特征。这些将是您的模型输入。

这时旁边是他们关系到汽车的使用行为，“左转” /“向右转” /“加速/减速”，“游戏继续下去/过”或别的东西。这些将是您的模型输出。

如果你要使用NN，我拿出来让你的模型中训练的方法有两种。 1.您可以玩您的游戏，并在您的赛车适用动作时随时记录您的程序输入。 2.制作一个算法，随机驱动汽车采样训练数据，并选择有效的训练模型。

我不熟悉的强化学习，但我仍然认为这是相关的，您还可以下潜到这一点，有一个尝试。