我的任务是创建一个简单的、2D、俯视视角的赛车游戏。游戏的唯一目标是尽可能在最短的时间内取得最佳成绩。玩家可以控制赛车的方向，并可以加速或减速。如果玩家驶出赛道，游戏就结束了。

目前游戏看似简单，但它还包含了一个AI。AI的目标是根据人类玩家过去的轨迹，学习在赛道上“最优”的行驶路线。

我正在考虑一些功能，这些可以用作训练集：

• 玩家轨迹作为赛道拓扑结构的函数
• 玩家速度作为赛道位置的函数

当然，其他功能或信息也可能有用。

我可以使用哪些学习方法来生成有效的赛道？我的目标不是击败人类玩家，而是仅仅到达赛道的终点。:)

回答：

我主要是在这里进行头脑风暴，但：

据我理解，你的情况大致如下：

• 你需要从起点到达终点
• 你不需要反复进行并取得越来越好的“圈速”
• 你需要整合任何类型的学习算法（是否有关于允许使用哪些学习算法/智能算法的具体规定？）
• 你知道地图，包括起点和终点（？）
• 地图是基于网格的，或者可以轻松表示为网格（？）

在这种情况下，一个非常简单的模型如下：

• 定义一些简单的特征（向量）来描述你当前（或邻近）的位置（例如，距离终点的角度，距离赛道边缘的距离）
• 定义一个优良特征（例如，距离终点）
• 在每一步，做出决定，你将朝哪个方向移动（左、右、前、后）

所以你有一组输入特征和一个决策问题。

• 你可以定义一个模糊控制系统，为你提供最佳方向。（例如，如果我靠近边界，则远离；如果我正朝向终点且离边界足够远，则向前移动）
• 更简单的是，你可以构建一个决策树
• 你可以构建一个支持向量机或神经网络来选择下一步

（这些不是具体的实现建议，这取决于你选择什么）

选择在很大程度上取决于你使用的工具（Matlab、C++、Python等）以及你熟悉的学习算法。我建议选择你最了解的算法，并尝试适应该模型。