kevinhughes27/TensorKart

解决的问题

TensorKart 使 AI 智能体能够通过学习人类驾驶样本来自主驾驶《马力欧卡丁车 64》。它解决了将视觉游戏状态（屏幕截图）映射到特定控制器输入以导航赛道的挑战。

工作原理

该项目采用行为克隆方法，用户可以使用摇杆和屏幕捕捉工具记录自己的游戏过程。这些图像输入和摇杆输出对被用于通过 TensorFlow 和 cuDNN 训练模型。训练完成后，模型被部署在 gym-mupen64plus 环境中，该环境处理来自模拟器的实时屏幕截图，以预测并执行必要的摇杆指令。

适用对象

对模仿学习、应用于游戏的自动驾驶概念以及 TensorFlow 实现感兴趣的开发者和 AI 爱好者。

亮点

• 泛化能力：即使数据集较小，模型也有可能在未训练过的赛道上行驶。
• 人机回环 (Human-in-the-loop)：包含用于记录和查看训练样本的工具。
• GPU 加速：利用 cuDNN 实现更快的训练速度。
• 手动覆盖：允许人类玩家在回放期间通过按住 'LB' 键来覆盖 AI 指令。