欢迎来到自动驾驶汽车/自动驾驶汽车的第6部分,以及使用Carla、Python和TensorFlow增强学习。在这一部分中,我们将讨论我们工作的一些初步发现。我将使用“我们”这个短语,因为这是我和Daniel Kukiela共同努力的结果。
一开始,问题刻意保持简单。代理可以采取三种行动中的一种:左转,右转,直走。
我选择了Xception模型,因为我发现这个模型很成功,并且在GTA做自动驾驶汽车。
对于奖励,我们设置如下:
+1,每帧驱动>限速每小时50公里
-1,每帧驱动<限速每小时50公里
-200,碰撞和情节结束
我们发现的第一件事是,损失和q值基本上都在爆炸:
这似乎是,现在很明显,由于巨大的规模的碰撞惩罚相比其他所有。也可能是超出了范围。例如,如果我们做以下事情,我们可能会更成功:
+0.005 (1/200),>每小时50公里
-0.005 (-1/200),<限速每小时50公里
-1(-200/200),碰撞和情节结束
但是我们只是这样做:
+1,每帧驱动>限速每小时50公里
-1,每帧驱动<限速每小时50公里
-1,碰撞和情节结束
这似乎减少了Q值和损失的爆炸性,但我们仍然发现,当给定0 epsilon时,代理无疑会持续地只执行1个动作。
然后我们也尝试将速度输入到神经网络中。这似乎有点帮助,但仍然不是主要问题。
然后我们考虑模型。也许早该考虑一下。强化学习与监督学习有很大的不同,主要在于监督学习是纯粹的基础真理(或者至少这是期望)。你提供给它的所有图像和标签都必须是100%准确的。在强化学习中,情况就不是这样了。我们拟合一个模型,是的,但我们也要拟合这些Q值。这是一个更加复杂的操作过程,对于模型来说,事情会变得更加“模糊”。也没有理由拥有高度复杂的神经网络。当我们检查Xception模型(带有我们的速度层)时,它基本上有2300万个可训练参数:
Total params: 22,962,155
Trainable params: 22,907,627
Non-trainable params: 54,528
这是一个很多!
我们发现我们的模型的准确性相当高(大约80-95%),所以这告诉我,几乎可以肯定的是,我们每次都是过拟合。
好,那我们该怎么做呢?历史上我成功使用的进化类