详细内容或原文请订阅后点击阅览
AWS DeepRacer：如何掌握物理赛车？
在这篇博文中，我将介绍物理 AWS DeepRacer 赛车（真实赛道上的真实汽车）与虚拟世界中的赛车（模拟 3D 环境中的模型）的不同之处。我将介绍基础知识、虚拟与物理之间的差异，以及我为深入了解挑战所采取的步骤。
来源:亚马逊云科技 _机器学习随着开发人员为 re:Invent 2024 做好准备，他们再次面临实体赛车的独特挑战。有哪些障碍？让我们来看看。
随着开发人员为 re:Invent 2024 做好准备，他们再次面临实体赛车的独特挑战。有哪些障碍？让我们来看看。在这篇博文中，我将介绍实体 AWS DeepRacer 赛车（真实赛道上的真实汽车）与虚拟世界中的赛车（模拟 3D 环境中的模型）的不同之处。我将介绍基础知识、虚拟与实体之间的差异，以及我为更深入地了解挑战所采取的步骤。
AWS DeepRacer 联赛即将结束。两天后，32 名赛车手将在拉斯维加斯进行最后一次对决。今年的资格赛完全是虚拟的，因此从虚拟到实体赛车的过渡将是一个挑战。
基础知识
AWS DeepRacer 依靠赛车手在模拟器中训练模型，模拟器是围绕 ROS 和 Gazebo 构建的 3D 环境，最初在 AWS RoboMaker 上构建。
AWS RoboMaker训练好的模型随后用于虚拟或实际比赛。该模型包括一个卷积神经网络 (CNN) 和一个动作空间，将类别标签转换为速度和油门运动。在涉及单个摄像头的基本场景中，每秒捕获 15 次 160 x 120 像素、8 位灰度图像（类似于下图），通过神经网络，并执行具有最高权重（概率）的动作。
卷积神经网络AI 的神奇之处在于，在模型评估（比赛）期间没有上下文；每幅图像的处理都独立于之前的图像，并且不了解汽车本身的状态。如果以相反的顺序处理图像，结果仍然相同！
虚拟与物理的比较
Gazebo ROS 阿克曼转向 差距 #1 WLToys A979 差距 #2 差距 #3 差距 #4四个问题
看看模拟与现实的差距，我们想要探索四个问题：