懂AI

TMRL: 一个开源的实时强化学习框架及其在TrackMania游戏中的应用

RayRay
TMRL强化学习自动驾驶TrackMania 2020Gymnasium环境Github开源项目

TMRL简介

TMRL(TrackMania Reinforcement Learning)是一个开源的分布式强化学习框架,专为实时应用设计。它的主要目标是帮助研究人员和开发者在机器人、视频游戏等实时环境中训练深度强化学习AI。TMRL的一个突出特点是提供了一个现成的TrackMania 2020赛车游戏AI训练流程。

TMRL在TrackMania中的应用示例

TMRL适合多种用户群体:

  • 对AI和TrackMania感兴趣的爱好者可以用TMRL轻松训练游戏AI
  • 机器学习开发者和机器人研究者可以利用TMRL实现工业应用的强化学习流程
  • TrackMania爱好者可以直接使用TMRL提供的Gymnasium环境
  • 所有人都可以参与TMRL主办的TrackMania Roborace League比赛

TMRL的主要特性

TrackMania示例流程

  1. 使用先进的强化学习算法,如SAC(Soft Actor-Critic)和REDQ(Randomized Ensembled Double Q-Learning)

  2. 支持从实时截图中学习模拟控制。初学者也可以使用简化的LIDAR观测

  3. 使用多层感知器(MLP)处理LIDAR数据,使用卷积神经网络(CNN)处理原始图像

面向开发者的特性

  1. 完整的Python库,支持安全的远程训练和细粒度定制

  2. 为TrackMania 2020提供Gymnasium环境

  3. 衍生出多个独立的子项目库,如rtgym、vgamepad和tlspyo等

TMRL的工作原理

TMRL的示例流程中,AI(策略)从赛道起点开始,通过探索环境来学习如何尽快完成赛道。具体来说:

  1. 赛车将观测(如图像)输入神经网络,网络输出最佳控制动作

  2. AI通过几小时到几天的探索,逐渐理解如何高效行动

  3. 这个过程是通过深度强化学习(Deep RL)实现的

强化学习基础

强化学习基于马尔可夫决策过程(MDP)。策略与MDP的交互如下:

RL基本原理

  • 策略在每个时间步根据观测选择动作(如油门、刹车、转向)
  • 动作作用于环境,产生新的观测
  • 环境还会给出奖励信号,用于评估策略的表现
  • AI通过试错和优化来最大化长期累积奖励

Soft Actor-Critic算法

TMRL默认使用SAC算法训练策略:

  • 使用策略网络(actor)和价值网络(critic)两个神经网络
  • 策略网络输入观测,输出动作
  • 价值网络评估状态-动作对的价值
  • 两个网络并行训练,相互促进
  • 能够存储和重用转移样本,适合实时应用
  • 输出连续动作,适合模拟控制
  • 最大化策略熵,有利于探索和鲁棒性

巧妙的奖励设计

TMRL使用了一种巧妙的奖励函数设计:

奖励函数设计

  • 预先录制一条示范轨迹,将其等分为多个点
  • 训练时的奖励是每个时间步通过的点数
  • 这种设计鼓励AI在最短时间内覆盖最大赛道范围
  • 比简单使用速度作为奖励更合理,考虑了最优轨迹

TMRL的架构

TMRL基于客户端-服务器架构:

TMRL网络架构

  • 多个rollout worker收集样本,定期发送到中央服务器
  • 中央服务器汇总样本,发送给trainer
  • Trainer更新策略,将新的策略权重发回服务器
  • 服务器将新权重广播给所有worker

这种设计支持分布式训练,可以利用多台机器和/或机器人同时收集样本。

在TrackMania中的应用结果

TMRL在TrackMania中取得了不错的效果:

TrackMania中的效果

  • 蓝车使用单个LIDAR观测,学会了匀速行驶
  • 红车使用4个LIDAR历史,学会了在弯道减速、过弯、加速的策略
  • 红车的表现更接近人类驾驶员

总结

TMRL为实时强化学习应用提供了一个强大而灵活的框架。它不仅可以用于TrackMania等游戏AI,还可以扩展到机器人等实际应用中。TMRL的开源性质和模块化设计使其成为研究和开发实时AI系统的理想平台。

无论你是AI爱好者、游戏玩家还是机器学习研究者,TMRL都为你提供了一个有趣而强大的工具来探索实时强化学习的世界。我们期待看到更多基于TMRL的创新应用和研究成果!

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多