머신러닝을 이용해 어떻게 자동차를 주차구역에 주차시킬 것인가?
학습시키기 앞서 기본적인 변수들과 툴을 알아보도록하자.
car
-
Car Agent(Script)
-- Max Step : 학습 횟수
-- Material : 실패/성공/기본 했을 때 땅 질감 어떻게 달라지는지
-
Box Collider
: collider로 보상을 조정 -
Rigid Body
: car가 힘을 받고 속도가 바뀜
** frozee Rotation -
Behavior Parameters
: 무슨 값을 받고 학습시킬지 정함
전진 후진, 회전, idle 상태, 좌우(vector값)
Vector Observation : space
Vector Action : 전후, 좌우
Model : 돌리는 모델 종류
** Behavior type : default/hueristic only(사람)
-
car Controller
speed(fast), torque, roatate
animator -
Rayperception sensor 3d
tag : 콜라이더에 걸리는 element 정리 (car, goal, barriar, tree) -> 성능향상에 도움 (raysensor로 tag 구분할 수 있어야 하니까)
Ray Per Detection : ray 정도
** ..another ray : ray 종류와 정도 -
Decision Requester (중요)
: 매 학습마다 요구되는 판단들
** Decision Period : 학습 몇 번마다 보여줄 것인지. (5번이 정당하다)
DashBoard
Dashborad에 매 트레이닝마다 성공 정도를 보여줌.
Car Sport
최소 1, 최대 2, empty prefab, boxColider추가하여 확인.
- Car goal
Goal Reward : spot에 들어갈 때마다 부여할 reward도 정해주어야함.
Goal Min Ratation : 정답 기준 제시 (edge)
how the agent actually perform
tensorboard -logic dir-/result
왼쪽 바에 모델을 추가하여 모델 별 실시간 모델 학습 정도를 비교 확인할 수 있다.
