征服北环赛道——面向赛车运动AI策略决策的综合性赛事模拟

在场地赛车运动中，比赛策略对决定比赛结果起着关键作用。该策略聚焦于进站时机，而因燃油消耗与轮胎性能衰减，进站是必要的。比赛策略的目标是在进站优势（如换胎与加油）与在维修区损失的时间之间取得平衡。当前用于估算最佳比赛策略的赛事模拟在粒度、概率事件建模方面存在差异，且需要手动输入进站圈。本文通过开发一种专为GT赛车量身定制的新型模拟模型，并利用人工智能实现策略决策自动化，来解决这些局限。通过将模拟与OpenAI的Gym框架集成，创建了强化学习环境并训练了一个智能体。该研究评估了多种超参数配置、观测空间与奖励函数，并借助2020年纽博格林耐力系列赛的历史计时数据进行经验参数验证。结果表明了强化学习改进比赛策略决策的潜力，因为训练后的智能体就进站时机与加油量做出了合理决策。学习率、衰减率和回合次数等关键参数被确定为关键因素，而燃油质量与当前比赛位置的组合被证明对策略制定最为有效。本文有助于强化学习在赛事模拟中的更广泛应用，并释放了在FIA一级方程式之外、特别是GT赛车领域中的比赛策略优化潜力。