Unity强化学习实战项目—自动泊车「Unity+MLagent」—效果展示【源码在文末】
一、内容与步骤
1、搭建一个简单的停车场模型并实现小车运动，要求将小车停到指定位置
2、在unity中配置ml-agents工具包，并实现agent类的设计，可以将小车位置，停车点位置等信息作为observation，将小车运动作为action，将距离作为reward function基础
3、使用PPO模型，完成强化学习训练过程，小车随机出现在初始位置，自动驶入目标停车位置
4、在场景内加入其他小车作为障碍物，避免碰撞
5、设计复杂的奖励函数并进行不同奖励函数之间的对比实验
二、效果展示
1、完成训练后的结果展示
具体的演示视频见下方链接，从视频中可以看到，小车每次都可以很平稳地停入车位，且不撞击车辆和地面栏杆， 并且在遇到角度不对的时候，可以自行调整方向而正确停入车位。
2、强化学习训练过程中 Environment 以及 Losses 的数据折线图
3、对比实验
从图中可以看出，改进后的 Policy Loss 较⼩，表明在训练过程中策略的损失逐渐减少，模型在优化策略时变得更稳定。
三、源码
通过百度网盘分享的文件：…zip 链接：百度网盘 请输入提取码
相关专业问题咨询，请点击下方名片
或：One_PQ
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/m0_63324772/article/details/143313379
