單憑一個(gè)CNN網(wǎng)絡(luò)，居然能在快20年前的經(jīng)典賽車游戲里跑自動(dòng)駕駛！不過，你這個(gè)AI咋不躲障礙物呢？

最近，一位Reddit網(wǎng)友自己搭了個(gè)CNN模型，讓AI在2005年出的經(jīng)典游戲「極品飛車9：最高通緝」里開車。

點(diǎn)贊超過1700，可謂是機(jī)器學(xué)習(xí)子版塊里一時(shí)以來最高的貼。

至于效果嘛……

在寬闊的大路上，AI開得還算平穩(wěn)，但時(shí)不時(shí)就會(huì)去「畫蛇」……

好在速度控制得還行，不會(huì)輕易引起「警察」的注意。

雖然是游戲機(jī)制的一部分，但想要甩掉這些窮追不舍的警車，玩家手動(dòng)操作時(shí)幾乎每次都把人整得心力憔悴、手指酸痛。

尤其是隨著追捕等級(jí)的提升，對(duì)付的將不再是那些老舊的巡邏車了，而是重型SUV甚至是直升機(jī)，逃脫難度直線上升。

大概是訓(xùn)練數(shù)據(jù)的緣故，當(dāng)AI在路上遇到障礙物時(shí)，表現(xiàn)得簡(jiǎn)直就和人類玩家一模一樣：

「躲」這個(gè)詞，在AI的字典里是不存在的。

輕打方向，微調(diào)路線，瞄準(zhǔn)了直接撞上去才是王道！

從路牌到三角錐，一個(gè)都不能放過。

項(xiàng)目很簡(jiǎn)單，就是數(shù)據(jù)不太夠

「Deep For Speed」基于Python 3.9和Pytorch 1.10，只需要安裝Numpy、Matplotlib庫(kù)即可。

作者表示，這個(gè)項(xiàng)目的創(chuàng)意來自于英偉達(dá)項(xiàng)目的啟發(fā)。

論文中英偉達(dá)只用單個(gè)卷積神經(jīng)網(wǎng)絡(luò)、而非大堆炫目算法就做出了自動(dòng)駕駛汽車。

基礎(chǔ)架構(gòu)

作者表示，自己項(xiàng)目的工作流程非常簡(jiǎn)單。

程序首先會(huì)將游戲中的速度儀表盤、小地圖和視野中直觀路面錄屏并存儲(chǔ)為numpy數(shù)組，之后再去調(diào)用np.load()函數(shù)進(jìn)行處理就可以了！

模型中的play.py和play_util.py函數(shù)，實(shí)質(zhì)上是鍵盤輸入模擬器，將AI的自動(dòng)駕駛結(jié)果模擬成物理鍵盤輸入，操控游戲。

不過可能是作為參考的項(xiàng)目比較古老，這里只能把游戲調(diào)成分辨率為800x600的窗口放在屏幕左上角運(yùn)行。

創(chuàng)建和處理數(shù)據(jù)

使用模型

項(xiàng)目作者稱，做出可以運(yùn)行的模型雛形用了兩周，把模型修改到其他用戶也能用，又花了兩周?？偣苍陧?xiàng)目上投入的時(shí)間大概１個(gè)月。

其中，訓(xùn)練數(shù)據(jù)集的搜集可以說是最難的部分了。

作者表示，自己耍游戲20小時(shí)中搜集的數(shù)據(jù)，因?yàn)槟Ｐ透膭?dòng)的頻度和幅度，最后只有兩小時(shí)的數(shù)據(jù)能用。

項(xiàng)目的開源部分也是因?yàn)閿U(kuò)充訓(xùn)練數(shù)據(jù)集的需求：想要擴(kuò)大數(shù)據(jù)包，但自己搞不定了。

不過，如果能讓大家一起來玩的話，說不定有同好會(huì)做出更大的訓(xùn)練數(shù)據(jù)集、訓(xùn)練自己的模型，然后再共享給他

由此，作者也模仿原來游戲的名字「Most Wanted」給項(xiàng)目起了一個(gè)別稱——「DeepForSpeed: Data Wanted」。

作為最終目標(biāo)，項(xiàng)目作者還想將自己的CNN項(xiàng)目做成一個(gè)可以實(shí)驗(yàn)多種架構(gòu)的通用平臺(tái)／界面。

讓玩家同好們?cè)隗w驗(yàn)?zāi)M器娛樂的同時(shí)，也能實(shí)驗(yàn)自己做的其他神經(jīng)網(wǎng)絡(luò)。

極品飛車：最高通緝

《極品飛車：最高通緝》（Need For Speed: Most Wanted），是游戲業(yè)界著名廠商藝電（EA）推出的《極品飛車系列》賽車游戲中的第九作，于2005年11月15日開始在美國(guó)發(fā)售。

當(dāng)年，開局一上來就不得不按照劇情需要把自己心愛的「寶駒」BMW M3 GTR輸?shù)簦鴮?shí)讓小編難受了好久。

尤其是之后要從最基礎(chǔ)的車開始，堪稱教科書式的「摩托變單車」……

?游戲結(jié)合了沙盒開放世界、警匪跑跑追追模式、子彈時(shí)間視覺效果、以及玩家改裝車輛等特色。

這些特色功能在當(dāng)時(shí)幾乎所有大游戲廠商都還在搞參與式電影類游戲項(xiàng)目的風(fēng)氣中，堪稱走在時(shí)代的前沿。

游戲除了推出Windows版本外，還為GameCube、GBA、NDS，PlayStation 2、PSP，Xbox，Xbox 360等多個(gè)游戲機(jī)平臺(tái)推出相應(yīng)版本。

2009年底，游戲的全平臺(tái)銷量達(dá)到了1600萬套，是整個(gè)極品飛車系列最暢銷的一部作品，也曾是當(dāng)時(shí)全球非獨(dú)占平臺(tái)的單一賽車游戲作品中的最高銷量。

游戲女主角聲優(yōu)是這位超級(jí)辣阿姨Josie Maran，在2000年代曾經(jīng)短暫從超模業(yè)改行作女演員，沒走紅后改做化妝品品牌，終于成功。

在當(dāng)年的游戲媒體網(wǎng)站中也廣受好評(píng)。Metacritic和Game Rankings都給出了82的高分（滿分100分）。

Eurogamer稱之為「畫面效果驚艷不已」，GameSpot給出8.4分（滿分10分），并贊揚(yáng)游戲「圖像銳利」「音效出眾」，但批評(píng)游戲的AI起初太容易而之后太難。

國(guó)內(nèi)有玩家想憶童年，于是又扒出來玩了一下，評(píng)價(jià)是：「速度感仍舊一流，發(fā)黃、模糊的光影和粒子效果遮蓋了許多場(chǎng)景的簡(jiǎn)陋之處，還算比較討巧?！?/p>

不過托這款游戲現(xiàn)在畫面質(zhì)量一般、但游戲操作系統(tǒng)仍然犀利的特色，正好符合機(jī)器學(xué)習(xí)模型的個(gè)人開發(fā)者的要求：

因?yàn)楫嬅尜|(zhì)量一般，對(duì)硬件的要求就低，個(gè)人買得起；因?yàn)橛螒蛉匀缓猛?，?xùn)練AI模型來玩仍然有價(jià)值。

靈感來自2016年的論文

此外，作為idea來源的英偉達(dá)論文，年代也十分久遠(yuǎn)，不過效果依然拔群。

論文鏈接：https://arxiv.org/abs/1604.07316

論文中，作者訓(xùn)練了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN），將單個(gè)前置攝像頭的原始像素直接映射為轉(zhuǎn)向指令。

只需用到很少的人類數(shù)據(jù)，AI就能學(xué)會(huì)駕駛汽車，即便是在沒有標(biāo)記或者視覺引導(dǎo)不明確的地方。

作者并沒有訓(xùn)練AI去檢測(cè)道路的邊界，而是用人類的轉(zhuǎn)向角度作為訓(xùn)練信號(hào)來檢測(cè)有用的道路特征，從而讓AI學(xué)到內(nèi)部的表征。

與諸如車道標(biāo)記檢測(cè)、路徑規(guī)劃和控制這種對(duì)問題的明確分解相比，英偉達(dá)提出的端到端系統(tǒng)同時(shí)優(yōu)化了所有處理步驟。

作者認(rèn)為，這種方法可以得到更好的性能和更小的系統(tǒng)。其中，內(nèi)部的自我優(yōu)化，可以最大化整體系統(tǒng)的性能，而不是優(yōu)化人類選擇的中間標(biāo)準(zhǔn)，例如車道檢測(cè)。

在訓(xùn)練過程中，圖像最先會(huì)被輸入到一個(gè)CNN網(wǎng)絡(luò)之中，然后計(jì)算出一個(gè)轉(zhuǎn)向的指令。

之后，將這個(gè)指令與圖像的期望指令進(jìn)行比較，調(diào)整CNN的權(quán)重，使CNN的輸出更接近期望的輸出。其中，權(quán)重調(diào)整是通過反向傳播完成的。

一旦完成訓(xùn)練，神經(jīng)網(wǎng)絡(luò)就可以從視頻圖像中生成正確的轉(zhuǎn)向命令。

網(wǎng)友：和FSD差不多嘛！

「游戲中AI駕駛表現(xiàn)比大部分加州公路上的人類司機(jī)好」

「AI在游戲里開車，和特斯拉FSD差不多嘛！很贊！」

網(wǎng)友：「大兄弟干得漂亮，能做個(gè)馬里奧賽車版本的么？我愿意打錢?！?/p>

項(xiàng)目作者：「好啊，我要是能在玩馬里奧賽車同時(shí)也錄屏，說不定可行哦?！?/p>

「千萬別把這當(dāng)成軟件升級(jí)賣給特斯拉」

參考資料：

https://github.com/edilgin/DeepForSpeed

關(guān)鍵詞： 極品飛車