kevinhughes27/TensorKart

解決的問題

TensorKart 使 AI 代理能夠透過學習人類駕駛樣本來自主駕駛《瑪利歐賽車 64》。它解決了將視覺遊戲狀態（螢幕截圖）映射到特定控制器輸入以導航賽道的挑戰。

工作原理

該專案採用行為克隆方法，使用者可以使用搖桿和螢幕擷取工具記錄自己的遊戲過程。這些圖像輸入與搖桿輸出對被用於透過 TensorFlow 和 cuDNN 訓練模型。訓練完成後，模型被部署在 gym-mupen64plus 環境中，該環境處理來自模擬器的即時螢幕截圖，以預測並執行必要的搖桿指令。

適用對象

對模仿學習、應用於遊戲的自動駕駛概念以及 TensorFlow 實作感興趣的開發者與 AI 愛好者。

亮點

• 泛化能力：即使數據集較小，模型也有可能在未經訓練的賽道上行駛。
• 人機回環 (Human-in-the-loop)：包含用於記錄與查看訓練樣本的工具。
• GPU 加速：利用 cuDNN 實現更快的訓練速度。
• 手動覆蓋：允許人類玩家在回放期間透過按住 'LB' 鍵來覆蓋 AI 指令。