我们这里使用了环境状态作为输入。使用Deep Q-learning做为学习算法学习。环境奖励定义为在单位时刻车辆沿跑道的前进距离。另外，如果车出了跑道或者和其他的车辆相撞，会得到额外惩罚。环境状态包括车辆的速度、加速度、离跑道的左右边缘的距离，以及跑道的切线夹角，在各个方向上最近的车的距离等等。车的行为包括向上换挡、向下换挡、加速、减速、向左打方向盘、向右打方向盘等等。我们这里使用了环境状态作为输入。使用Deep Q-learning做为学习算法学习。环境奖励定
阅读背景：
TORCS无人驾驶笔记
来源：互联网
分享到：
