面向 Gran Turismo 7 的基于视觉的强化学习竞赛级自主赛车智能体
机器学习
2026-03-10 v2
摘要
深度强化学习已在高保真模拟器如 Gran Turismo 7 (GT7) 中实现超人类水平的赛车性能。它通常利用需要车辆外部仪器的全局特征，如智能体和对手的精确定位，这限制了其在现实世界中的应用。为解决这一限制，我们引入了一个仅依赖 ego-centric 相机视角和 onboard 传感器数据即可运行的基于视觉的自主赛车智能体，无需在推理期间进行精确定位。该智能体采用非对称 actor-critic 框架：actor 使用局部于车辆的传感器数据，通过循环神经网络保留赛道布局和对手位置，而 critic 在训练期间访问全局特征。我们在 GT7 中对该智能体进行评估，发现其始终优于 GT7 内置的驾驶员。据我们所知，这是首个在竞赛赛车场景中展现出冠军级性能的基于视觉的自主赛车智能体。
引用
@article{arxiv.2504.09021,
title = {A Champion-level Vision-based Reinforcement Learning Agent for Competitive Racing in Gran Turismo 7},
author = {Hojoon Lee and Takuma Seno and Jun Jet Tai and Kaushik Subramanian and Kenta Kawamoto and Peter Stone and Peter R. Wurman},
journal= {arXiv preprint arXiv:2504.09021},
year = {2026}
}
备注
Accepted for Publication at the IEEE Robotics and Automation Letters (RA-L) 2025