On-line neuroevolution applied to The Open Racing Car Simulator
On-line neuroevolution applied to The Open Racing Car Simulator
复制标题
在线神经进化应用于开放赛车模拟器
DOI：
--
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
P. Lanzi
中科院分区：
文献类型：
--
作者：
L. Cardamone;D. Loiacono;P. Lanzi
将在线学习技术应用于现代计算机游戏是一个很有前途的研究方向。事实上，它们可以用来改善游戏体验，实现真正的自适应游戏AI。到目前为止，一些工作证明神经进化技术可以成功地应用于现代计算机游戏，但它们通常仅限于离线学习场景。在在线学习问题中，主要的挑战是在探索之间找到一个好的权衡，即，寻找更好的解决方案，并利用迄今为止发现的最佳解决方案。在本文中，我们提出了一种在线神经进化的方法来发展非玩家角色的开放式赛车模拟器（TORCS），一个国家的最先进的开源赛车模拟器。我们在两个在线学习问题上测试了我们的方法：（i）从零开始的快速控制器的在线进化和（ii）为新的轨道优化现有的控制器。我们的研究结果表明，在线神经进化可以有效地提高学习过程中取得的成绩。
The application of on-line learning techniques to modern computer games is a promising research direction. In fact, they can be used to improve the game experience and to achieve a true adaptive game AI. So far, several works proved that neuroevolution techniques can be successfully applied to modern computer games but they are usually restricted to offline learning scenarios. In on-line learning problems the main challenge is to find a good trade-off between the exploration, i.e., the search for better solutions, and the exploitation of the best solution discovered so far. In this paper we propose an on-line neuroevolution approach to evolve non-player characters in The Open Car Racing Simulator (TORCS), a state-of-the-art open source car racing simulator. We tested our approach on two on-line learning problems: (i) on-line evolution of a fast controller from scratch and (ii) optimization of an existing controller for a new track. Our results show that on-line neuroevolution can effectively improve the performance achieved during the learning process.