WEBVTT 00:00.450 --> 00:05.700 Hola y bienvenidos a Statoil y al hablar, inicializamos el mapa. 00:05.850 --> 00:12.090 Y ahora es el momento para las cosas emocionantes que creamos el automóvil y lo hacemos con una clase de curso. 00:12.090 --> 00:18.660 Verás que la clase es muy práctica para crear algunas cosas que tienen muchas propiedades porque, como puedes ver, 00:18.660 --> 00:25.300 no solo encuentras algunas variables de mi auto sino también algunas funciones que, por supuesto, es la función que 00:25.300 --> 00:30.270 hará que el auto se mueva al izquierda a la derecha o yendo derecho. 00:30.720 --> 00:35.970 Entonces, tenemos un par de variables que son importantes para describir el entorno que tenemos, 00:35.970 --> 00:42.590 por ejemplo, el ángulo que es el ángulo entre el eje xy el eje de la dirección del automóvil. 00:42.630 --> 00:50.040 que es su última rotación que recuerda que es 0 grados 20 grados o menos 20 grados. 00:50.040 --> 00:51.550 Luego tenemos la rotación 00:51.570 --> 00:57.690 Luego tenemos la velocidad de la coordenada x del vector de velocidad y las coordenadas y del vector 00:57.690 --> 00:58.320 de velocidad. 00:58.470 --> 01:05.740 Y luego el vector de coordenadas velocidad xy velocidad Y entonces tenemos los sensores y las señales. 01:05.830 --> 01:12.280 Y eso es muy importante, la llamada que estamos haciendo tendrá tres sensores, un sensor 01:12.310 --> 01:18.240 dos y sensores, tres sensores, uno detectará si tiene sentido frente al automóvil. 01:18.420 --> 01:25.070 Entonces el sensor 2 es el sensor que detectará si hay algún sentido a la izquierda del automóvil y los sensores 01:25.080 --> 01:29.640 3 es el sensor que detectará si hay algún sentido a la derecha del automóvil. 01:29.950 --> 01:37.080 Y luego, desde estos tres sensores obtenemos las señales de las señales recibidas por cada uno de los sensores. 01:37.290 --> 01:43.320 Entonces la señal uno es la señal recibida por la señal del sensor uno es la señal recibida por el sensor 2 y 01:43.330 --> 01:46.370 la señal 3 es el único recibido por los sensores 3. 01:46.380 --> 01:47.700 Y entonces, ¿cómo funciona? 01:47.770 --> 01:54.310 La señal 1 es la densidad de envío alrededor de la señal del sensor uno a la densidad del centro alrededor del 01:54.820 --> 02:00.560 sensor a la señal tres es la densidad de sensibilidad enviada alrededor y cómo calculamos esta densidad de arena. 02:00.670 --> 02:01.690 Bueno, eso es muy simple. 02:01.700 --> 02:06.110 Tomamos algunos cuadrados grandes alrededor de cada uno de los sensores. 02:06.130 --> 02:12.490 En realidad, son cuadrados de 200 por 200 y para cada uno de los cuadrados, dividimos el número de unidades en el 02:12.490 --> 02:17.840 cuadrado por el número total de celdas en el cuadrado que es 22 y 20 es igual a 400. 02:18.070 --> 02:22.530 Y eso nos da la densidad de arena porque los corresponden al centro. 02:22.630 --> 02:27.790 Hacemos esto para cada sensor y eso nos da la densidad de arena alrededor de cada sensor. 02:27.790 --> 02:29.550 Esa es la señal. 02:29.650 --> 02:35.450 Muy bien, ahora tenemos todo para detectar el sensor y luego tenemos la función de movimiento. 02:35.450 --> 02:40.660 Y, por supuesto, la función de movimiento es lo que permitirá que el núcleo vaya hacia la izquierda yendo derecho o 02:40.660 --> 02:41.530 hacia la derecha. 02:41.920 --> 02:43.360 Entonces, repasemos rápidamente. 02:43.360 --> 02:50.410 Aquí tenemos la actualización de la posición del automóvil con su última posición, que es el auto aquí y 02:50.740 --> 02:52.400 el vector de velocidad. 02:52.540 --> 02:58.720 Entonces, gracias al vector de velocidad, la posición se actualizará en la dirección del vector de velocidad. 02:58.930 --> 03:05.320 Luego obtenemos la rotación que obtendremos más abajo en el código aquí. 03:05.320 --> 03:08.040 La rotación es igual a la acción a la acción de rotación. 03:08.040 --> 03:11.400 Él seleccionará la acción y luego entrará en la rotación. 03:11.410 --> 03:15.580 Y entonces esta autoprotección es igual a la rotación aquí. 03:15.610 --> 03:21.130 Es esta rotación la que nos permite saber cómo debemos rotar el automóvil hacia la izquierda 03:21.130 --> 03:22.360 o hacia la derecha. 03:22.420 --> 03:28.510 Luego actualizamos el ángulo que recuerdo es el ángulo entre el eje xy el eje de la 03:28.510 --> 03:29.560 dirección del automóvil. 03:29.620 --> 03:35.350 Y luego, una vez que el automóvil se ha movido, tenemos que actualizar los sensores y la 03:35.350 --> 03:41.380 señal porque, por supuesto, cuando el automóvil acaba de girar mientras los sensores también han girado, necesitamos rotarlos 03:41.380 --> 03:45.500 utilizando la función de rotación y a lo que añadimos la nueva posición. 03:45.790 --> 03:48.950 Y por qué tenemos este vector de 30 0. 03:49.090 --> 03:54.070 Bueno, eso es simplemente porque 30 es la distancia entre el automóvil y el sensor. 03:54.130 --> 03:59.080 Ya sabes, la distancia entre el auto y lo que el auto detecta. 03:59.230 --> 04:04.210 Y luego, una vez que se actualizan los sensores, entonces es hora de actualizar las señales. 04:04.270 --> 04:07.110 Y aquí hacemos exactamente lo que te expliqué a las señales de tu computadora. 04:07.240 --> 04:13.780 Le damos las coordenadas x de nuestro sensor, luego tomamos todas las celdas de Manston a más 10, luego 04:13.780 --> 04:19.070 hacemos lo mismo para la coordenada y tomando todas las celdas de Madison a más 10. 04:19.090 --> 04:27.040 Entonces, obtenemos el cuadrado de 20 por 20 píxeles que rodea el sensor y dentro del cuadrado tenemos 04:27.130 --> 04:28.280 algunos más antiguos. 04:28.300 --> 04:35.170 Así que, básicamente, con algunas de las celdas porque las celdas contienen 0 o 1 y dado que en un 20 por 20 04:35.170 --> 04:38.060 cuadrado hay 20 por 20 es igual a 400 celdas. 04:38.200 --> 04:45.520 Bueno, lo dividimos por 400 para obtener la densidad de los que están dentro del cuadrado y así es como obtenemos la señal de 04:45.730 --> 04:52.090 la densidad de los centros alrededor del sensor y hacemos lo mismo para el segundo sensor y el tercer sensor para 04:52.360 --> 04:54.870 obtener la segunda señal y el tercera señal. 04:55.060 --> 04:55.340 DE ACUERDO. 04:55.360 --> 05:00.220 Entonces eso es tomar el sensor y estas tres líneas de código son muy importantes. 05:00.220 --> 05:05.710 que queremos que queremos llegar a nuestro automóvil cuando está llegando a uno de los bordes del mapa. 05:05.710 --> 05:06.290 Es otro 05:06.290 --> 05:11.830 Sabes que no queremos que el auto se precipite en algunas paredes y, por lo tanto, queremos penalizarlo para castigarlo 05:11.830 --> 05:16.380 cuando se está acercando demasiado a Wall y, por lo tanto, eso es lo que hacemos aquí. 05:16.630 --> 05:24.970 Si el primer sensor es más grande que más largo menos 10, es más grande que aquí porque más larga es esta distancia, por 05:24.970 --> 05:27.580 lo que es más largo, menos 10 aquí. 05:27.580 --> 05:33.550 Entonces, si el sensor uno actúa más grande que las preocupaciones de Manison, todos los puntos están aquí. 05:33.550 --> 05:40.930 al borde izquierdo del mapa o si el sensor Y es más grande que el más grande menos 10 ese es 05:40.950 --> 05:48.250 el borde superior del mapa y, si la Y autocensurada es menor que 10, es el borde inferior del mapa. 05:48.250 --> 05:55.870 Es decir, si el automóvil se acerca al borde derecho del mapa o si el sensor de celda uno actúa a menos 05:55.870 --> 05:58.670 de 10 aquí si el automóvil se acerca 05:58.720 --> 06:06.370 Y entonces, si el sensor uno está alcanzando cualquiera de estos cuatro bordes, pondremos la señal del sensor 06:06.490 --> 06:08.760 cuando la señal envíe uno. 06:08.800 --> 06:10.290 Lo estableceremos para ser uno. 06:10.540 --> 06:11.610 Y qué significa eso. 06:11.650 --> 06:15.390 Eso significa sonido completo como la densidad total de arena. 06:15.580 --> 06:17.270 Es como lo peor y podrías tener. 06:17.330 --> 06:19.540 Tiene tanto sentido que detendrá tu automóvil. 06:19.660 --> 06:24.480 Entonces, la señal será una y, por lo tanto, el auto obtendrá una recompensa terriblemente mala. 06:24.490 --> 06:24.830 Todo bien. 06:24.820 --> 06:30.190 Y luego hacemos lo mismo con la señal y señala tres desde el sensor dos instancias tres. 06:30.410 --> 06:30.790 Todo bien. 06:30.800 --> 06:36.470 Y luego creamos la clase de juego, así que básicamente es la clase para crear el juego porque hasta 06:36.470 --> 06:40.720 ahora solo hemos creado el auto y ahora, por supuesto, tenemos que crear el mapa. 06:40.820 --> 06:42.310 Tenemos que crear el juego en sí. 06:42.410 --> 06:47.750 Así que no jugaremos el juego. Es nuestra IA la que jugará el juego y el juego es 06:47.750 --> 06:52.240 en realidad para evitar los obstáculos y para ir del aeropuerto al centro y viceversa. 06:52.520 --> 06:59.610 Entonces en esta clase de juego necesitamos crear algunos objetos como el auto, entonces necesitamos definir la función 06:59.630 --> 07:00.540 de actualización. 07:00.590 --> 07:05.330 Eso es lo más importante y de hecho nos enfocaremos en eso ahora porque está 07:05.330 --> 07:12.250 en esta función de actualización que seleccionará la acción que el auto tiene que hacer y cada vez para lograr su objetivo. 07:12.350 --> 07:16.880 Y esta acción es exactamente el resultado de nuestra red neuronal. 07:16.880 --> 07:20.860 Lo nuevo será ese trabajo que estará en el corazón de nuestra inteligencia artificial. 07:20.930 --> 07:27.550 Y entonces esta acción es devuelta por el cerebro del automóvil que sigue siendo el objeto de nuestra clase humana 07:27.560 --> 07:29.780 que estará haciendo en nuestro archivo AI. 07:29.930 --> 07:36.500 Y este objeto tiene un método que se llama actualización y toma como entrada la última palabra y 07:36.500 --> 07:37.590 la última señal. 07:37.610 --> 07:43.250 Así que la última palabra es, por supuesto, la última palabra alcanzada por el automóvil y la última señal 07:43.250 --> 07:50.480 es, por supuesto, la última señal de los tres sensores, una señal del sensor una señal dos del sensor a la señal tres del 07:50.480 --> 07:51.240 sensor 3. 07:51.440 --> 07:56.870 Pero luego agrego otras dos entradas, que es la orientación del automóvil con respecto a la meta. 07:56.900 --> 08:01.540 Entonces, por ejemplo, si el automóvil se dirige hacia la meta, entonces la orientación será igual a cero. 08:01.730 --> 08:06.730 Si va ligeramente hacia la derecha, la orientación estará cerca de 45 grados. 08:06.920 --> 08:11.820 Y si va ligeramente hacia la izquierda, la orientación será cercana a menos 45 grados. 08:11.900 --> 08:15.380 Entonces esa es la entrada de fuerza de nuestros estados de entrada. 08:15.410 --> 08:18.950 Y luego hay una lección puesta que es orientación negativa. 08:19.010 --> 08:25.250 Por lo general, las entradas de la red neuronal son independientes. No hay multicolinealidad, pero en realidad no importa 08:25.250 --> 08:29.360 si lo somos porque la red neuronal simplemente lo arregla con los pesos. 08:29.480 --> 08:35.450 bien esta orientación negativa, permite que el auto entrene al auto para estabilizar la aceleración. 08:35.450 --> 08:37.840 Pero todavía noto que al agregar 08:37.940 --> 08:43.460 Sabes que estamos haciendo esto, es que la inteligencia artificial no siempre explora en la misma dirección al agregar 08:43.460 --> 08:44.390 esta orientación negativa. 08:44.390 --> 08:48.680 Nos aseguramos de que explora en ambas direcciones, derecha o izquierda. 08:48.920 --> 08:55.780 Y entonces estas tres señales más la orientación y la orientación negativa son las cinco entradas de 08:55.810 --> 09:03.020 nuestro vector codificado que irán a la red que nuestro vector de entrada ingresará en la red y 09:03.050 --> 09:09.560 luego ingresará en la red. Bien, la red devolverá las salidas que es la acción para jugar. 09:09.650 --> 09:15.290 estado de entrada y también la última palabra porque la acción para jugar también depende de la última palabra 09:15.290 --> 09:20.450 Y cada vez y la salida es devuelta por esta función de actualización que contiene la red en 09:20.450 --> 09:26.110 sí y la salida de la red y por eso tenemos que ingresar la última señal que es el 09:26.950 --> 09:33.700 De acuerdo y luego actualizamos el puntaje principal de las palabras que actualizamos la rotación usamos la función mover para 09:33.700 --> 09:37.500 rotar el auto de acuerdo con la acción que se seleccionó. 09:37.510 --> 09:44.230 Llevamos la distancia del automóvil a la carretera y obtendremos las posiciones de la bola de sensores una bola dos en 09:44.230 --> 09:48.490 ambas respuestas de Rieker a las bolas que representarán los sensores en el mapa. 09:48.530 --> 09:49.880 Lo verás muy rápido. 09:50.550 --> 09:56.230 como puede ver, esto significa que si el automóvil tiene algún sentido, se ralentizará. 09:56.230 --> 10:04.060 Y luego, esa parte es muy importante porque es allí donde penalizamos al coche si entra en algún sentido porque, 10:04.150 --> 10:06.550 Entonces ahí es donde reducimos su velocidad. 10:06.590 --> 10:10.020 Usted sabe que su velocidad es generalmente 6, como puede ver aquí. 10:10.150 --> 10:14.410 Y si continúa en algún sentido, será uno que se ralentizará a 1. 10:14.430 --> 10:17.810 Verás cómo el coche se ralentizará una vez que entra en algún sentido. 10:18.030 --> 10:19.090 Entonces es más lento. 10:19.210 --> 10:23.610 Y además de que recibe una mala recompensa, obtiene un menos uno que queremos. 10:23.920 --> 10:26.140 Y esa es en realidad la peor recompensa que puedes obtener. 10:26.140 --> 10:32.100 La mejor recompensa es que lo peor que podemos decir es menos uno y la recompensa está entre menos 1 y más 1. 10:32.530 --> 10:33.450 Y luego de lo contrario. 10:33.570 --> 10:35.770 Y el auto no está sobre arena. 10:35.980 --> 10:41.000 Bueno, mantiene su velocidad de velocidad de sexo habitual y luego agregamos algo más. 10:41.080 --> 10:45.710 Si se acerca al objetivo, obtendrá una recompensa ligeramente positiva. 10:45.910 --> 10:53.410 Y si se aleja cada vez más del objetivo Bueno, obtiene una recompensa ligeramente negativa menos 0. 2. 10:53.590 --> 10:54.830 Y luego último. 10:54.830 --> 10:57.280 Condiciones que están relacionadas con la recompensa. 10:57.470 --> 11:02.840 Bueno, eso es si el automóvil se está acercando demasiado a uno de los bordes, como mencionamos anteriormente. 11:02.910 --> 11:04.990 Recuerde cuando hablamos sobre el sensor de combustible. 11:05.220 --> 11:11.840 Bueno, si el automóvil se acerca demasiado al borde izquierdo del mapa, recibe menos una palabra si se acerca 11:11.840 --> 11:15.440 demasiado al borde derecho del mapa, se lo recompensa menos uno. 11:15.710 --> 11:20.220 Y si se acerca demasiado al borde inferior del mapa, obtiene uno o menos. 11:20.360 --> 11:25.230 Y si se acerca demasiado a la esquina superior izquierda del mapa, obtiene recompensas menos uno. 11:25.230 --> 11:27.620 Entonces ese es un castigo terrible. 11:27.620 --> 11:31.910 Y entonces verán cómo está lleno y rápido para no precipitarse a otra cosa. 11:31.940 --> 11:36.600 Muy bien y luego esto es para actualizar el go cuando se alcanza el objetivo. 11:36.620 --> 11:41.390 Entonces, usted sabe cuándo el automóvil llega al aeropuerto, que es el primero en llegar allí, que está en la esquina superior 11:41.390 --> 11:41.920 izquierda del mapa. 11:41.930 --> 11:45.990 Mientras que el objetivo cambia a la esquina inferior derecha del mapa que está en el centro. 11:46.250 --> 11:51.080 Y eso es exactamente lo que hacemos aquí. Actualizamos la coordenada x de Crow y las 11:51.140 --> 11:55.870 coordenadas blancas de la llamada y luego actualizamos la distancia desde el automóvil hasta el automóvil. 11:55.880 --> 11:56.260 Todo bien. 11:56.270 --> 11:58.320 Y luego eso es menos importante. 11:58.340 --> 12:04.130 Esa es solo una clase que agregará las herramientas de pintura que usted conoce para que podamos pintar algunas carreteras o algunos obstáculos 12:04.130 --> 12:10.790 en el mapa que están más relacionados con K. V. Puede echar un vistazo si lo 12:10.790 --> 12:16.370 desea. Proporcionaré la versión condensada de este código y proporcionaré alguna referencia si desea profundizar en 12:16.370 --> 12:17.570 cómo hacerlo con skivvy. 12:17.570 --> 12:22.730 Pero nos estamos alejando de la inteligencia artificial, así que no voy a entrar en detalles. 12:22.910 --> 12:30.110 Y eso es lo mismo para la última sección del código con la clase del coche que es justo como los botones de la API 12:30.110 --> 12:31.320 despejan guardar y cargar. 12:31.520 --> 12:32.810 Entonces eso es lo que hacemos aquí. 12:32.820 --> 12:34.900 Claro lona segura. 12:34.940 --> 12:40.220 Y eso es realmente muy importante para nosotros, poder salvar el día que sé para salvar el cerebro 12:40.700 --> 12:46.520 y poder reutilizarlo más tarde tomando la función de carga, que es otra herramienta que agregamos en el mapa 12:46.520 --> 12:52.010 para cargar el cerebro del automóvil que es cargar la memoria del automóvil cómo navegar en el mapa. 12:52.250 --> 12:57.830 Y finalmente tenemos la última sección del código que ejecuta todo lo que 12:57.830 --> 13:00.660 ejecuta el mapa y la propia IA. 13:00.980 --> 13:03.340 Y en realidad eso es lo que vamos a hacer ahora. 13:03.590 --> 13:07.020 Echemos un vistazo a todo lo que hicimos en este código. 13:07.040 --> 13:10.520 Entonces, ahora la IA no está implementada. 13:10.520 --> 13:13.910 Entonces el código tendrá un movimiento muy aleatorio. 13:13.940 --> 13:17.810 En realidad se verá como un insecto, pero no te preocupes, arreglaremos eso. 13:17.810 --> 13:24.860 Normalmente lo entrenaremos para que se mueva como un automóvil real y lo entrene para navegar siguiendo algunas carreteras 13:24.920 --> 13:26.380 y evitar algunos obstáculos. 13:26.660 --> 13:27.710 Hagámoslo. 13:27.710 --> 13:32.240 Voy a seleccionar todo y ejecutar. 13:32.510 --> 13:33.900 Y aquí está el mapa. 13:33.950 --> 13:35.270 Y aquí está el auto. 13:35.690 --> 13:36.070 Todo bien. 13:36.080 --> 13:41.600 Entonces esa es la pequeña cosa que ves que parece un insecto en nuestro auto. 13:41.630 --> 13:45.960 Entonces, como te dije, las acciones son totalmente aleatorias. 13:46.220 --> 13:53.890 Por lo tanto, cada vez que el automóvil selecciona al azar una acción, ya sea para ir directamente a la izquierda o a la derecha. 13:53.930 --> 13:59.260 Es por eso que está haciendo algunos movimientos sin sentido y es por eso que se ve como un insecto. 13:59.450 --> 14:01.460 Así que lo arreglaremos, por supuesto. 14:01.730 --> 14:09.500 no va al objetivo que es el aeropuerto aquí o al centro, en la parte inferior derecha del mapa. 14:09.500 --> 14:12.930 Y, por supuesto, dado que la IA está activada, 14:13.760 --> 14:21.850 Y arreglaremos todo esto haciendo que las IA que implementen la IA en este auto o este insecto puedan 14:21.860 --> 14:26.480 verse las tres bolas, la amarilla, la roja y la blanca. 14:26.630 --> 14:28.190 Esos son nuestros tres sensores. 14:28.220 --> 14:30.020 Entonces eso es lo que detectaremos. 14:30.020 --> 14:32.580 Hay un olor a su alrededor. 14:32.810 --> 14:35.720 Y hablando de olor Bueno, tiremos un poco. 14:35.720 --> 14:45.510 Entonces, para hacerlo, solo tengo que hacer un clic aquí y, en cierto sentido, sabes que sigues enseñando a la izquierda. 14:45.510 --> 14:50.240 Así que en este momento estoy agregando un poco de arena, podemos agregar un poco más. 14:50.250 --> 14:57.360 Así que, cada vez que esté loco, puede ver que colocando los que están en el centro de la matriz es enviar 14:57.360 --> 15:00.100 una matriz que está a 00 coordenadas del origen. 15:00.180 --> 15:01.990 Y aquí hay muchos. 15:02.080 --> 15:04.720 Y como pueden ver bien, es bueno ver el auto. 15:04.770 --> 15:07.240 Seguimos descendiendo y fuimos más lentos. 15:07.620 --> 15:12.230 Entonces, como pueden ver ahora mismo, es realmente más lento porque se va a la arena. 15:12.510 --> 15:14.820 Y ahora está tratando de escapar. 15:16.310 --> 15:23.030 Y para que sepan qué haremos, dibujaremos algunos caminos y dibujaremos algunos caminos desde el aeropuerto hasta el centro de 15:23.030 --> 15:28.490 la ciudad, y entrenaremos el automóvil para que se mantenga en el camino y evite los obstáculos. 15:28.490 --> 15:28.830 Todo bien. 15:28.850 --> 15:35.690 Y como pueden ver, está el botón claro para despejar la arena, existe el botón guardar para salvar 15:35.690 --> 15:37.230 el cerebro del automóvil. 15:37.310 --> 15:43.640 Y en realidad hay una curva central en la que hablamos de esa seguridad que salva a su modelo 15:43.640 --> 15:50.270 en realidad el cerebro de su automóvil y luego puede saber cuándo se va del frío o apaga la computadora 15:50.270 --> 15:51.680 y quiere volver a ella. 15:51.920 --> 15:59.290 Puede usar el botón de carga para cargar su modo que es cargar el cerebro y que obtendrá 15:59.360 --> 16:01.760 los trenes AI de su automóvil. 16:01.820 --> 16:06.030 Está bien, así que ahora no puedo esperar para comenzar a hacer la IA. 16:06.080 --> 16:07.450 Esto será muy divertido. 16:07.490 --> 16:13.910 Crearemos nuestra red neuronal y castigaremos el automóvil tan pronto como no haga lo que queremos. 16:14.120 --> 16:16.290 Así que hagámoslo en el próximo tutorial. 16:16.400 --> 16:18.140 Y hasta entonces disfruta de a.