グランツーリズモのチャンピオンを抜いて ディープ・レインフォース・ラーニング

科学分野:

• 人工知能
• ロボット
• 計算神経科学

背景:

• 人間と相互作用する物理的なシステムにおけるリアルタイムの意思決定は,重要な課題を提示します.
• 自動車レースはこれらの課題を例示し,複雑な戦術的操縦と物理的な限界での正確な車両制御を必要とします.
• グラン・ツーリスモのような レース・シミュレーションは 複雑なマルチエージェントの ダイナミクスを正確にモデル化しています

研究 の 目的:

• グラン・ツーリスモ・レーシング・シミュレーションで最高レベルで競争できる人工知能 (AI) エージェントを訓練する.
• AIレーサーのためのスピードと戦術的意思決定を組み合わせた統合された制御方針を開発する.
• シミュレーションのルールの中で 競争力のあるスポーツマンのような振る舞いを促す報酬機能を作成します

主な方法:

• 最先端の モデルフリー ディープ・リインフォース・ラーニング・アルゴリズムを使用しています
• 混合シナリオのトレーニングを実施し,様々なレース条件にエージェントを曝します.
• 特殊な報酬機能を開発し, スポーツマンシップの規範とバランスをとる.

主要な成果:

• グラン・ツーリスモ・ソフィーという 訓練を受けたAIエージェントは 世界一流のeスポーツドライバーと 競争する能力を示しました
• AIのエージェントは 特殊なスピードと 精巧な戦術を演じました
• グラン・ツーリスモ・ソフィーが 4人のトップ・グラン・ツーリスモ・プレイヤーとの対戦で勝利した.

結論:

• この研究は,人間とインタラクティブな領域における複雑なダイナミックシステムを制御するための深層補強学習の可能性を示しています.
• AIエージェントは,スピードと戦略的相互作用の両方を要求するシミュレーション環境でチャンピオンレベルのパフォーマンスを達成できます.
• スポーツマンシップのような 曖昧な人間の規範を持つ領域で AIをコントロールすることは 可能性と課題の両方を提示します