機器學習是人工智能的初級階段，人工智能並不是什麼神奇的東西，和你彈過的玻璃球本質上沒什麼兩樣，是為人服務的，任何技術不過是手段
AWS DeepRacer是實現機器學習的最快方式。獲得由強化學習，3D賽車模擬器和全球賽車聯盟驅動的完全自主的1/18比例賽車的實踐
AWS DeepRacer入門
在AWS DeepRacer 3D駕駛模擬器中創建和訓練您的強化學習模型。
在模擬賽道上評估您的模型，調整您的獎勵功能和超參數，然後再次訓練以改善單圈時間。
將您的模型提交到虛擬排行榜以進入AWS DeepRacer聯盟。
將您的模型部署到AWS DeepRacer，以便在真實世界的賽車活動中將您的技能與其他人相提並論。
以1/18比例進行現實世界比賽
這就是橡膠與道路相遇的地方。AWS DeepRacer是一款自主的1/18比例賽車，旨在通過在物理軌道上比賽來測試RL車型。使用攝像機查看軌道和加固模型以控制油門和轉向，汽車顯示如何將模擬環境中訓練的模型轉移到現實世界。控制檯，模擬器和汽車的組合提供了一個完整的解決方案來試驗RL算法和泛化方法。
構建您的AWS DeepRacer賽道
要構建自己的賽道以競賽您的AWS DeepRacer車輛並獲得最佳效果，請注意以下因素。
- 建立您的軌道以複製培訓中使用的環境。這是因為基於道路標記訓練以跟蹤軌道的模型可以表現出與基於其他條件或特徵訓練以跟蹤軌道的模型不同的行為。
- 使用與訓練軌道形狀相同的形狀佈置軌道。例如，如果您已經在 Re：invent 2018軌道上訓練了模型 ，那麼您的軌道形狀應如下所示：
- 將路緣側（轉彎）半徑限制為以下限制：
- 小於或等於90度的角落至少45英寸
- 角度大於90度時至少55英寸。
- 構造軌道以具有至少30英寸寬且具有最小阻力的光滑且均勻的顏色表面。
- 沿著兩側標記軌道，使用明亮，完整且均勻的2英寸寬的線條。標記的顏色應該與軌道表面和障礙物形成高對比度。管道膠帶已證明在某些實驗中是有效的。
- 在軌道外表面上繪製相對於軌道上表面顏色具有足夠對比度的顏色。
- 出於安全原因，在軌道的所有點處，用至少2.5英尺高且距離軌道2英尺的均勻顏色的障礙環繞軌道。
以下示例軌道表示在re：Invent 2018中使用的軌道的縮放版本。
分享到:
閱讀更多 N維時空 的文章
