基于图像表征的深度强化学习在Gran Turismo Sport中实现专家级人类水平驾驶
人工智能
2021-11-15 v1 计算机视觉与模式识别
摘要
当人类游玩虚拟竞速游戏时，他们利用游戏屏幕上的视觉环境信息来理解环境中的规则。相比之下，一种超越人类玩家的顶尖真实竞速游戏AI智能体并不使用基于图像的环境信息，而是使用环境提供的紧凑且精确的测量值。本文提出一种基于视觉的控制算法，并在已知为高保真真实竞速模拟器的Gran Turismo Sport (GTS)中，于相同条件下与人类玩家表现进行比较。在所提方法中，构成传统顶尖方法部分观测量的环境信息被替换为从游戏屏幕图像提取的特征表征。我们证明所提方法即使在以游戏屏幕图像作为高维输入的高速度驾驶场景下，也能实现专家级人类水平的车辆控制。此外，它在计时赛任务中优于GTS内置AI，其成绩位于约28,000名人类玩家的前10%左右。
引用
@article{arxiv.2111.06449,
title = {Expert Human-Level Driving in Gran Turismo Sport Using Deep Reinforcement Learning with Image-based Representation},
author = {Ryuji Imamura and Takuma Seno and Kenta Kawamoto and Michael Spranger},
journal= {arXiv preprint arXiv:2111.06449},
year = {2021}
}
备注
Accepted at Deep Reinforcement Learning Workshop at Neural Information Processing Systems 2021