Farama-Foundation/HighwayEnv

解決的問題

它為開發與測試自動駕駛智能體提供了一套標準化的模擬環境。它專注於戰術決策任務，允許研究人員與開發人員在不需要大規模物理模擬器的情況下，訓練 AI 智能體處理複雜的道路場景。

工作原理

該專案基於 Gymnasium（原 OpenAI Gym）介面構建，提供了一系列駕駛場景。使用者可以定義環境配置（例如車道數量）並實現自己的 AI 策略來控制車輛。環境處理物理規律與道路規則，根據智能體的動作回傳觀測結果與獎勵。

適用對象

專為從事自動駕駛、強化學習以及交通領域戰術決策研究的科研人員與開發人員設計。

亮點

• 多樣化場景：包括 10 個不同的駕駛家族，如交叉路口、環島、停車與高速公路匯入。
• 靈活的變體：提供環境的專業版本，包括多智能體、連續控制與連網車道變體。
• Gymnasium 整合：與 Gymnasium API 完全相容，可以輕鬆整合到 Stable Baselines3 等流行的 RL 函式庫中。
• 廣泛的支援：相容於 Linux、macOS 與 Windows。