[[196857]]

被堵在路上是個(gè)又喪又費(fèi)錢的事兒，除了讓人頭疼還可能導(dǎo)致錯(cuò)過(guò)約炮，交通堵塞使美國(guó)司機(jī)每年多花3000億。

研究人員認(rèn)為即使是少數(shù)的自動(dòng)駕駛車也將會(huì)大大改善交通流。 Lex Fridman和他在MIT的團(tuán)隊(duì)創(chuàng)造了一個(gè)游戲，來(lái)加速實(shí)現(xiàn)這個(gè)設(shè)想。

Deep Traffic模擬典型的高速公路環(huán)境，其玩家使用深度學(xué)習(xí)來(lái)控制自己的汽車。該模擬使初學(xué)者對(duì)復(fù)雜的技術(shù)概念易于上手，而游戲化推動(dòng)了專家開(kāi)發(fā)全新的技術(shù)。

使用神經(jīng)網(wǎng)絡(luò)的交通模擬游戲

想象你在洛杉磯一個(gè)繁忙的高速公路上開(kāi)車。您必須決定跟車距離，何時(shí)更換車道，以及如何在導(dǎo)航時(shí)避免撞到其他車輛。這就是所謂的路徑規(guī)劃。 有了Deep Traffic，任何人都可以設(shè)計(jì)和訓(xùn)練一個(gè)深度神經(jīng)網(wǎng)絡(luò)。

在上月于硅谷舉行的GPU技術(shù)大會(huì)上，F(xiàn)ridman談到了游戲如何依賴強(qiáng)化學(xué)習(xí)。在強(qiáng)化學(xué)習(xí)這種方法里，當(dāng)神經(jīng)網(wǎng)絡(luò)采取所需動(dòng)作就會(huì)得到獎(jiǎng)勵(lì)，由此方法實(shí)現(xiàn)人工智能。通過(guò)反復(fù)重復(fù)這些獎(jiǎng)勵(lì)，網(wǎng)絡(luò)學(xué)會(huì)了該如何做。

在這個(gè)游戲中，神經(jīng)網(wǎng)絡(luò)控制著一條沿著繁忙的高速公路行駛的紅色汽車，目標(biāo)是盡可能快地航行。初學(xué)者在瀏覽器中使用JavaScript來(lái)操縱參數(shù)并改變他們的駕駛行為。高玩通過(guò)OpenAI Gym進(jìn)入DeepTraffic，并使用Python來(lái)訓(xùn)練網(wǎng)絡(luò)。

競(jìng)速：DeepTraffic玩家使用深度學(xué)習(xí)技術(shù)，在路上快速行進(jìn)

DeepTraffic最初是為Fridman在MIT教授的課程而設(shè)計(jì)。當(dāng)課程內(nèi)容和游戲甫一向公眾開(kāi)放，便受到廣泛歡迎。憑借迄今已有的超過(guò)12,000份數(shù)據(jù)，DeepTraffic***競(jìng)爭(zhēng)力。用戶以他們自己的網(wǎng)絡(luò)所能達(dá)到的最快速度，在排行榜上交鋒。

游戲因競(jìng)爭(zhēng)而有趣，但真實(shí)世界的風(fēng)險(xiǎn)要高得多。自動(dòng)駕駛車輛必須規(guī)劃出從一個(gè)點(diǎn)到另一個(gè)點(diǎn)的安全路徑。AI要求被給與一個(gè)艱難的駕駛?cè)蝿?wù)。諸如DeepTraffic之類的教育工具有助于培養(yǎng)下一代AI開(kāi)發(fā)人員以及改變汽車生態(tài)系統(tǒng)的平面解決方案。

DeepTraffic在線調(diào)試地址

DeepTraffic在線調(diào)試界面