racingmania-specialist-campaign-01-seed0
ИИ-гонщик для браузерных 3D-гонок
2 min readupdated
Это агент обучения с подкреплением (RL — метод, при котором нейросеть учится методом проб и ошибок за награду), обученный проходить трассу в оригинальной браузерной 3D-гонке RacingMania. Модель разработана автором BurnyCoder и построена на алгоритме PPO (Proximal Policy Optimization) с компактной архитектурой MLP 2x256. В отличие от универсальных ботов, этот «специалист» натренирован исключительно на одном треке кампании (campaign-01), стараясь максимально быстро продвигаться вдоль центральной линии трассы. Модель пригодится разработчикам браузерных игр на three.js и энтузиастам RL, которые хотят посмотреть на работу легких нейросетевых агентов в физическом симуляторе прямо в браузере.
Ключевые особенности
- Два формата весов: в репозитории лежат чекпоинт
final.ptдля PyTorch и готовый графpolicy.onnxс нормализацией для запуска в браузере. - Компактная архитектура: многослойный перцептрон (MLP) на два слоя по 256 нейронов с активацией tanh и двумя выходами на 3 действия (руль и педали).
- Векторный обзор: агент ориентируется по текущему состоянию машины и 20 точкам трассы впереди (look-ahead points).
- Открытая лицензия: модель и исходный код симулятора распространяются под свободной лицензией MIT.
Что можно сделать
- Запустить в браузере: открыть веб-версию игры RacingMania и выбрать этого агента в режиме «Watch the AI», чтобы понаблюдать за его заездом.
- Встроить в свой проект: подключить файл
policy.onnxчерез ONNX Runtime для управления транспортом в собственном 3D-симуляторе на базе cannon-es или three.js. - Использовать как бейзлайн: взять веса
final.ptи кривые обучения из папкиeval/для сравнения с собственными RL-агентами на тех же трассах.
Пример
import numpy as np, onnxruntime as ort
sess = ort.InferenceSession("policy.onnx")
inputs = {i.name: np.zeros([d if isinstance(d, int) else 1 for d in i.shape], np.float32) for i in sess.get_inputs()}
steer_logits, pedal_logits = sess.run(None, inputs)
steer, pedal = int(steer_logits.argmax()), int(pedal_logits.argmax())Подробнее
Обучение: 200 278 016 шагов в 16 384 параллельных средах за 0.31 часа.Метрика SWS (скорость с учётом финиша): 0.306 на 5 треках кампании (20.0% финишей) и 0.188 на 197 валидационных треках (13.2% финишей).
Ограничение: агент обучался только на одном треке (campaign-01), поэтому на незнакомых трассах финиширует редко.










Comments