1. 首页 / 娱乐 /  正文

他们冲出了亚洲-当前关注

他们冲出了亚洲-当前关注

2022,这是复杂的一年。

好在如今冬至已过,太阳直射点从地球南回归线逐渐北移。从此日落越来越晚,北半球的冬日渐短,春日可期。

时间的河流从不停止,艰难的生活中,我们还可以看到微光。总有人逆风前行,为梦想也为了那听起来仍旧动人的词汇——希望。


(资料图片)

为了一份热爱,他们不惜投入全部精力;为了一份梦想,他们没日没夜奋战。

在人工智能、机器学习的路上,一群人决定置身事内,以爱好者的身份,去开拓、去创造。

今天,我们想讲讲他们的故事。

时间只有12个小时。

2022年10月底,Amazon DeepRacer亚洲外围赛的比赛时间,只剩下12个小时。参赛者李宝生、梁耀锦却刚刚下班,还未准备充分。

在国内Amazon DeepRacer竞赛领域,二人是公认的大牛,被许多爱好者追捧。

Amazon DeepRacer赛车

Amazon DeepRacer是亚马逊云科技推出的1/18比例自动驾驶赛车,能够通过构建强化学习模型,快速学习并掌握人工智能的知识。

它是一种基于机器学习技术,为普通爱好者、开发者提供训练、研究和辅助模型的工具。

它的强大之处,是不需要任何标记的训练数据,就可以让机器自行学习复杂的行为,并可以在优化长期目标的同时,做出短期决策。

通俗地讲,就是让赛车像人一样,可以思考、判断、作出决策和给出行动。比如,通过赛车自己学习如何避障、如何转弯,从而实现赛车安全、平稳、快速地行驶。

每年,亚马逊云科技面向中国开发者,推出中国联赛,以月度积分赛、线下挑战赛为主,并在年度决赛中决出全国冠军。其中也包括亚洲入围赛和在美国拉斯维加斯举办的世界级年终决赛。

对开发者来说,走上世界级舞台,这是Amazon DeepRacer竞技崇高的荣耀。

李宝生(左)和梁耀锦(右)

李宝生和梁耀锦既是同事,又是Amazon DeepRacer比赛中国赛区的常胜将军,吉尼斯全球挑战赛中的佼佼者。梁耀锦曾拿下2022年华东赛、上海赛第一名、2022 China League 7月专业组第一名。李宝生的成绩与此不分伯仲。

对于这次参加亚洲入围赛,二人踌躇满志。在比赛中成绩优异者,可以前往美国拉斯维加斯参加线下决赛,这对所有爱好者都是不小的诱惑。

仅剩的12个小时准备时间,被二人切割成了三份。下班回到家后,李宝生和梁耀锦投入到紧张的准备中。

第一步,根据拿到的赛道信息,重新测试自己之前的策略和赛车的完赛成绩。想要实现赛车平稳、快速完成比赛,开发者编写的机器学习策略,至关重要。

二人拿到赛道之后,根据赛道的弯道、宽度设置等,重新微调之策略的参数,使得赛车更加快速完成比赛。

李宝生和梁耀锦在讨论赛车

机器学习的本质,是人对机器设置奖励函数,以此为赛车的学习、决策给出参考条件。例如转弯角度、是否沿赛道中心行驶、行驶速度等。诸多复杂条件调试完成,赛车便通过自我学习,探索出一条最佳路线行驶。

“像训练动物一样,想让它坐下,就每当它坐下的时候给它一块肉,这样养成习惯,它就学会了坐。”

对于赛车而言,奖励函数中任何参数的变化,都会对最终的成绩产生影响。这会干扰赛车的前进、转弯和速度。

分析完赛道,修改策略代码之后,二人发现想要在如此短的时间内,实现自己想要的结果,测试时间根本不够。为了确保晋级,他们开始分析对手。

在过往的排名中,想要排名达到前三,他们要让赛车最好的成绩达到8秒/圈。但当天晚上,面对全新的赛道,二人一直“折腾”了2个小时,梁耀锦发现,成绩仍然不理想,甚至都不如从前。而此时,时间已经接近深夜12点……

“最后都放弃了,就用最开始我们设定的那个策略了。”放下之后,二人开始休息,为第二天清晨的比赛作准备。

没有充足的体力,无法应对接下来的比赛。

幸运的是,在第二天的清晨的比赛中,二人最终以0.1秒之差,获得亚洲入围赛的第二、第三名。这个成绩让他们很兴奋,代表中国,他们终于拿到了去往拉斯维加斯比赛的入场券!

线上模拟赛车行驶

对Amazon DeepRacer的热爱,李宝生和梁耀锦完全来自于兴趣。过去的几个月,这两个男人,付出了全部周末时间,一头扑到Amazon DeepRacer的比赛、研发中。

二人同在汇丰科技工作,为银行系统的安全、流畅保驾护航。去年9月,接触Amazon DeepRacer后,二人产生了极大兴趣。“当时AI很火、也想多接触接触,就参与进来了。”李宝生介绍。

这一接触,就再没停下来。

从线上的模拟赛道,到线下的实体赛车,过去的一年多时间,二人参加了数不清的赛事,也不断成长为圈内的“大牛”。

让他们感受最深的,是线上赛和线下赛有着巨大的差别。

线上模拟赛道的演练,几乎将参数都调整到了完美,所以奖励函数的设定,也是按照虚拟的完美的模型来测试。

但当赛车真正开上跑道,传感器反应速度、光照强度、赛道平整程度等诸多因素,都要重新考虑进奖励函数中。

赛车

巨大的差别也让二人产生了浓厚的兴趣。“当真的看到一个赛车自动跑完全程,那种震撼还是比线上强烈。”几乎每一个周末,他们都会投入到赛车的测试和模拟、调整练习过程中去。

比赛成绩最终给了他们回报。今年,在大大小小的赛事中,二人不断取得好名次,甚至获得前往拉斯维加斯参加全球总决赛的入场券。

因为疫情,二人最终未能在现场参与角逐,这是他们的遗憾。但在人工智能的路上,脚步并没有停歇,二人仍在努力,向明年的总决赛发起冲击。