Comments 9
А как реализован «основной алгоритм движения по маршруту»?
Он как-то учитывает препятствия?
Может капитанство, но мне кажется надо организовать обратную связь от перцептрона с датчиками в алгоритм движения по маршруту и передавать информацию о препятствиях.
Он как-то учитывает препятствия?
Может капитанство, но мне кажется надо организовать обратную связь от перцептрона с датчиками в алгоритм движения по маршруту и передавать информацию о препятствиях.
А как реализован «основной алгоритм движения по маршруту»?
Классическим волновым алгоритмом определяется маршрут движения по террейну (для избегания непроходимых участков). Проставляются вейпоинты, далее к модели применяется а) импульс, доворачивающий на очередной вейпоинт б) импульс по направлению движения модели. Импульсы, корректирующие движение по препятствиям, применяются отдельно.
А почему волновой алгоритм не учитывает здания?
Потому что 1)Изначально хотелось проверить именно применение нейросети 2)Волновой алгоритм рассчитывает траекторию движения в некий момент времени, после которого ситуация с наличием здания на карте может измениться. Например, в момент начала движения здание было атаковано и разрушилось. Или наоборот — на маршруте инженерные юниты возвели новое сооружение.
Можно попробовать LSTM нейросеть, их реализаций на разных языках полно на github.
нейросетью пока и не пахнет
- Попробуйте обучение с подкреплением (reinforcement learning). Вы в конце высказали подобную идею, но этатема уде довольно проработанная. Начните с Deep Q Learning (есть хорошая статья на медиуме).
- Не занимайтесь подгонкой коэффициентов и какой-то обработкой входных данных, предоставьте это сети. Исследования показывают, что RL хорошо работает на сложных необработанных вхрдных двнных. Можете добавить больше рейкастов.
Кажется странным решение использовать аж 12 слоев в сети, ведь обычно хватает 1-2х скрытых слоев и по слою на ввод-вывод. Есть результаты замеров с разным количеством слоев?
К сожалению, нет замеров, но очень хотелось бы их провести. На мой взгляд, 12 слоёв и вправду избыточно. Дело в том, что я хотел добавить возможность простейшего самообучения, и довольно смутно представлял себе возможное количество вариантов входных данных, а значит и требуемую ёмкость сети. В конечном итоге в силу нехватки времени от идеи самообучения отказался, а изначально заложенная избыточность осталась.
Sign up to leave a comment.
Использование многослойной нейронной сети для обхода препятствий в играх