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

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

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。

下拉加载更多