详细内容或原文请订阅后点击阅览
新工具评估增强学习的进度
“ IntersectionZoo”是一种基准测试工具，使用现实世界的流量问题来测试深钢筋学习算法的进度。
来源:MIT新闻 - 人工智能如果有一件事是在任何主要城市中驾驶的特征，那是随着交通信号灯的变化，汽车和卡车的合并，分开和转弯和停车是不断的停下来。这种不断的停止和开始效率极低，驱动了每英里驾驶的污染量，包括温室气体。
一种对抗的方法称为生态驾驶，可以在自动驾驶汽车中安装作为控制系统，以提高其效率。
那会带来多少差异？这种系统在减少排放中的影响是否值得对该技术进行投资？解决此类问题是很难解决的优化问题的广泛类别之一，而且很难测试他们提出的解决方案。这些问题涉及许多不同的代理，例如城市中的许多不同类型的车辆，以及影响其排放的不同因素，包括速度，天气，道路状况和交通灯时机。
“几年前，我们对一个问题感兴趣：自动车辆可以在减轻排放方面做些什么？”凯西·吴（Cathy Wu），托马斯·D（Thomas D.她想知道：“这是水桶的下降，还是要考虑的东西？”
这是生态驾驶背后的基本思想。但是，为了弄清楚这种措施的影响，“这些是挑战的优化问题”，涉及许多不同的因素和参数，“因此，现在如何使用AI解决硬控制问题，现在有一波兴趣。”
纸 github