机器学习是人工智能的初级阶段，人工智能并不是什么神奇的东西，和你弹过的玻璃球本质上没什么两样，是为人服务的，任何技术不过是手段
AWS DeepRacer是实现机器学习的最快方式。获得由强化学习，3D赛车模拟器和全球赛车联盟驱动的完全自主的1/18比例赛车的实践
AWS DeepRacer入门
在AWS DeepRacer 3D驾驶模拟器中创建和训练您的强化学习模型。
在模拟赛道上评估您的模型，调整您的奖励功能和超参数，然后再次训练以改善单圈时间。
将您的模型提交到虚拟排行榜以进入AWS DeepRacer联盟。
将您的模型部署到AWS DeepRacer，以便在真实世界的赛车活动中将您的技能与其他人相提并论。
以1/18比例进行现实世界比赛
这就是橡胶与道路相遇的地方。AWS DeepRacer是一款自主的1/18比例赛车，旨在通过在物理轨道上比赛来测试RL车型。使用摄像机查看轨道和加固模型以控制油门和转向，汽车显示如何将模拟环境中训练的模型转移到现实世界。控制台，模拟器和汽车的组合提供了一个完整的解决方案来试验RL算法和泛化方法。
构建您的AWS DeepRacer赛道
要构建自己的赛道以竞赛您的AWS DeepRacer车辆并获得最佳效果，请注意以下因素。
- 建立您的轨道以复制培训中使用的环境。这是因为基于道路标记训练以跟踪轨道的模型可以表现出与基于其他条件或特征训练以跟踪轨道的模型不同的行为。
- 使用与训练轨道形状相同的形状布置轨道。例如，如果您已经在 Re：invent 2018轨道上训练了模型 ，那么您的轨道形状应如下所示：
- 将路缘侧（转弯）半径限制为以下限制：
- 小于或等于90度的角落至少45英寸
- 角度大于90度时至少55英寸。
- 构造轨道以具有至少30英寸宽且具有最小阻力的光滑且均匀的颜色表面。
- 沿着两侧标记轨道，使用明亮，完整且均匀的2英寸宽的线条。标记的颜色应该与轨道表面和障碍物形成高对比度。管道胶带已证明在某些实验中是有效的。
- 在轨道外表面上绘制相对于轨道上表面颜色具有足够对比度的颜色。
- 出于安全原因，在轨道的所有点处，用至少2.5英尺高且距离轨道2英尺的均匀颜色的障碍环绕轨道。
以下示例轨道表示在re：Invent 2018中使用的轨道的缩放版本。
分享到:
閱讀更多 N維時空 的文章
