低配版AI车神？网友用单个CNN在“极品飞车9”里飙车

文章图片
新智元报道
编辑：好困袁榭
【新智元导读】单凭一个CNN网络，居然能在快20年前的经典赛车游戏里跑自动驾驶！不过，你这个AI咋不躲障碍物呢？
最近，一位Reddit网友自己搭了个CNN模型，让AI在2005年出的经典游戏「极品飞车9：最高通缉」里开车。
点赞超过1700 ，可谓是机器学习子版块里一时以来最高的贴。
至于效果嘛……

文章图片
在宽阔的大路上， AI开得还算平稳，但时不时就会去「画蛇」……
好在速度控制得还行，不会轻易引起「警察」的注意。
虽然是游戏机制的一部分，但想要甩掉这些穷追不舍的警车，玩家手动操作时几乎每次都把人整得心力憔悴、手指酸痛。
尤其是随着追捕等级的提升，对付的将不再是那些老旧的巡逻车了，而是重型SUV甚至是直升机，逃脱难度直线上升。

文章图片
大概是训练数据的缘故，当AI在路上遇到障碍物时，表现得简直就和人类玩家一模一样：
「躲」这个词，在AI的字典里是不存在的。
轻打方向，微调路线，瞄准了直接撞上去才是王道！

文章图片
从路牌到三角锥，一个都不能放过。

文章图片
项目很简单，就是数据不太够
「DeepForSpeed」基于Python3.9和Pytorch1.10 ，只需要安装Numpy、Matplotlib库即可。
作者表示，这个项目的创意来自于英伟达项目的启发。
论文中英伟达只用单个卷积神经网络、而非大堆炫目算法就做出了自动驾驶汽车。

文章图片
基础架构
作者表示，自己项目的工作流程非常简单。
程序首先会将游戏中的速度仪表盘、小地图和视野中直观路面录屏并存储为numpy数组，之后再去调用np.load()函数进行处理就可以了！
模型中的play.py和play_util.py函数，实质上是键盘输入模拟器，将AI的自动驾驶结果模拟成物理键盘输入，操控游戏。
不过可能是作为参考的项目比较古老，这里只能把游戏调成分辨率为800x600的窗口放在屏幕左上角运行。

文章图片
创建和处理数据

文章图片
使用模型
项目作者称，做出可以运行的模型雏形用了两周，把模型修改到其他用户也能用，又花了两周。总共在项目上投入的时间大概１个月。

文章图片
其中，训练数据集的搜集可以说是最难的部分了。
作者表示，自己耍游戏20小时中搜集的数据，因为模型改动的频度和幅度，最后只有两小时的数据能用。

文章图片
项目的开源部分也是因为扩充训练数据集的需求：想要扩大数据包，但自己搞不定了。
不过，如果能让大家一起来玩的话，说不定有同好会做出更大的训练数据集、训练自己的模型，然后再共享给他
由此，作者也模仿原来游戏的名字「MostWanted」给项目起了一个别称——「DeepForSpeed:DataWanted」。