deep-reinforcement-learning
  • 介绍
  • 前言
    • 神经网络
    • 研究平台
      • 街机游戏
      • 竞速游戏
      • 第一人称射击游戏
      • 开放世界游戏
      • 即时战略游戏
      • 团队体育游戏
      • 文字冒险游戏
      • OpenAI Gym & Universe
  • 方法
    • 街机游戏
      • DQN
      • DRQN
      • Gorila
      • Double DQN
      • Prioritized Experience Replay
      • Dueling DQN
      • Bootstrapped DQN
      • Multiagent DQN
      • Progressive Neural Networks
      • A3C
      • Retrace(λ)
      • ACER
      • ACKTR
      • TRPO
      • PPO
      • UNREAL
      • IMPALA
      • Distributional DQN
      • Noisy-Net
      • Rainbow
      • ES
      • NS-ES
      • Deep GA
      • Playing Atari with Six Neurons
      • UCTtoClassification
      • Policy Distillation
      • Actor-Mimic
      • Action-Conditional Video Prediction
      • Self-Supervision
      • HRA
    • 蒙特祖玛的复仇
      • Hierarchical-DQN
      • DQN-CTS
      • Pixel Recurrent Neural Networks
      • DQN-PixelCNN
      • Ape-X
      • DQfD
      • Ape-X DQfD
      • Natural Language Guided Reinforcement Learning
    • 竞速游戏
      • Direct Perception
      • DDPG
      • TD3
    • 第一人称射击游戏
      • SLAM-Augmented DQN
      • Direct Future Prediction
      • For The Win
    • 开放世界游戏
      • H-DRLN
      • Feedback Recurrent Memory Q-Network
      • Teacher-Student Curriculum Learning
    • 即时战略游戏
      • Puppet Search
      • Combined Strategic and Tacticals
      • Zero Order
      • IQL
      • COMA
      • BiC-Net
      • Macro-action SL
      • Macro-action PPO
      • On Reinforcement Learning for Full-length Game of StarCraft
      • AlphaStar
    • 团队体育游戏
      • DDPG + Inverting Gradients
      • DDPG + Mixing policy targets
      • Object-centric prediction
    • 文字冒险游戏
      • LSTM-DQN
      • DRRN
      • Affordance Based Action Selection
      • Golovin
      • AE-DQN
    • 开放的挑战
      • 游戏通用性
      • 稀疏、延迟、欺骗性的回报
      • 多智能体
      • 终身适应
      • 像人类一样玩游戏
      • 可调节的性能等级
      • 处理巨大的状态空间
      • 工业界应用
      • 游戏开发的交互式工具
      • 创造新的游戏
      • 学习游戏的模型
      • 计算资源
  • 附录
    • Distributional RL
      • QR-DQN
    • Policy Gradient
      • Off-Policy Actor-Critic
      • Generalized Advantage Estimation
      • Soft Actor-Critic
      • PPO-Penalty
    • Model-Based RL
      • I2A
      • MBMF
      • MBVE
      • World Models
    • Imitation Learning and Inverse Reinforcement Learning
      • GAIL
    • Transfer and Multitask RL
      • HER
Powered by GitBook
On this page

Was this helpful?

  1. 前言
  2. 研究平台

竞速游戏

Previous街机游戏Next第一人称射击游戏

Last updated 6 years ago

Was this helpful?

玩家的任务是控制某种车辆或角色，以便在尽可能短的时间内达到一个目标，或者在给定的时间内沿着一条赛道尽可能远地行进。通常，游戏从玩家控制的车辆后面采用第一人称视角或有利位置。绝大多数游戏都采用连续输入信号作为转向输入，类似于方向盘。

TORCS

开放赛车模拟器是一个现代化的，模块化的，高便携的多玩家，多代理的赛车模拟器。它具有高度的模块化和可移植性，是人工智能研究的理想对象。事实上，已经出现了一些使用TORCS引擎的研究性比赛和论文。本文的目的是将TORCS的结构介绍给一般的人工智能和机器学习社区，并解释如何在平台上测试agent。

TORCS可以用于开发针对各种问题的人工智能(AI)代理。在汽车层面，可以开发新的仿真模块，包括各种汽车零部件的智能控制系统。在驱动程序级别，低级API提供对模拟状态的详细(但只是部分)访问。这可以用于开发任何东西，从中级控制系统到复杂的驾驶代理，找到最佳的赛车路线，在意外情况下成功地作出反应，并作出良好的战术比赛决策。最后，对于喜欢挑战和对视觉处理感兴趣的研究人员来说，3d投影接口也是可用的

TORCS: The open racing car simulator