Parámetros de entrada de la función de DeepRacer recompensas de AWS

La función de DeepRacer recompensa de AWS toma un objeto de diccionario como entrada.


def reward_function(params) :
    
    reward = ...

    return float(reward)

El objeto del diccionario params contiene los siguientes pares de clave-valor:


{
    "all_wheels_on_track": Boolean,        # flag to indicate if the agent is on the track
    "x": float,                            # agent's x-coordinate in meters
    "y": float,                            # agent's y-coordinate in meters
    "closest_objects": [int, int],         # zero-based indices of the two closest objects to the agent's current position of (x, y).
    "closest_waypoints": [int, int],       # indices of the two nearest waypoints.
    "distance_from_center": float,         # distance in meters from the track center 
    "is_crashed": Boolean,                 # Boolean flag to indicate whether the agent has crashed.
    "is_left_of_center": Boolean,          # Flag to indicate if the agent is on the left side to the track center or not. 
    "is_offtrack": Boolean,                # Boolean flag to indicate whether the agent has gone off track.
    "is_reversed": Boolean,                # flag to indicate if the agent is driving clockwise (True) or counter clockwise (False).
    "heading": float,                      # agent's yaw in degrees
    "objects_distance": [float, ],         # list of the objects' distances in meters between 0 and track_length in relation to the starting line.
    "objects_heading": [float, ],          # list of the objects' headings in degrees between -180 and 180.
    "objects_left_of_center": [Boolean, ], # list of Boolean flags indicating whether elements' objects are left of the center (True) or not (False).
    "objects_location": [(float, float),], # list of object locations [(x,y), ...].
    "objects_speed": [float, ],            # list of the objects' speeds in meters per second.
    "progress": float,                     # percentage of track completed
    "speed": float,                        # agent's speed in meters per second (m/s)
    "steering_angle": float,               # agent's steering angle in degrees
    "steps": int,                          # number steps completed
    "track_length": float,                 # track length in meters.
    "track_width": float,                  # width of the track
    "waypoints": [(float, float), ]        # list of (x,y) as milestones along the track center

}

A continuación, se incluye una referencia técnica más detallada de los parámetros de entrada.

all_wheels_on_track

Tipo: Boolean

Rango: (True:False)

Una marca Boolean para indicar si el agente está en la pista o fuera de la pista. Está fuera de la pista (False) si cualquiera de sus ruedas están fuera de los límites de la pista. Está en la pista (True) si todas las ruedas están dentro de los dos límites de la pista. La siguiente ilustración muestra que el vehículo está dentro de la pista.

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS deall_wheels_on_track = True.

La siguiente ilustración muestra que el agente está fuera de la pista.

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS deall_wheels_on_track = False.

Ejemplo: una función de recompensa utilizando el parámetro all_wheels_on_track.


def reward_function(params):
    #############################################################################
    '''
    Example of using all_wheels_on_track and speed
    '''

    # Read input variables
    all_wheels_on_track = params['all_wheels_on_track']
    speed = params['speed']

    # Set the speed threshold based your action space
    SPEED_THRESHOLD = 1.0

    if not all_wheels_on_track:
        # Penalize if the car goes off track
        reward = 1e-3
    elif speed < SPEED_THRESHOLD:
        # Penalize if the car goes too slow
        reward = 0.5
    else:
        # High reward if the car stays on track and goes fast
        reward = 1.0

    return float(reward)

closest_waypoints

Tipo: [int, int]

Rango: [(0:Max-1),(1:Max-1)]

Los índices de base cero de los dos waypoint más cercanos a la posición actual (x, y) del agente. La distancia se mide por la distancia euclidiana desde el centro del agente. El primer elemento se refiere al punto de ruta más cercano detrás del agente y el segundo elemento hace referencia al punto de ruta más cercano delante del agente. Max es la longitud de la lista de puntos de ruta. En la ilustración que se muestra en waypoints, los closest_waypoints serían [16, 17].

Ejemplo: una función de recompensa utilizando el parámetro closest_waypoints.

En el siguiente ejemplo, se muestra cómo utilizar la función de recompensa waypoints y closest_waypoints, así como heading para calcular las recompensas inmediatas.

AWS DeepRacer admite las siguientes bibliotecas: math NumPy SciPy, random y Shapely. Para utilizarlas, añada una declaración de importación, import supported library, sobre la definición de la función, def function_name(parameters).


# Place import statement outside of function (supported libraries: math, random, numpy, scipy, and shapely)
# Example imports of available libraries
#
# import math
# import random
# import numpy
# import scipy
# import shapely

import math

def reward_function(params):
    ###############################################################################
    '''
    Example of using waypoints and heading to make the car point in the right direction
    '''

    # Read input variables
    waypoints = params['waypoints']
    closest_waypoints = params['closest_waypoints']
    heading = params['heading']

    # Initialize the reward with typical value
    reward = 1.0

    # Calculate the direction of the center line based on the closest waypoints
    next_point = waypoints[closest_waypoints[1]]
    prev_point = waypoints[closest_waypoints[0]]

    # Calculate the direction in radius, arctan2(dy, dx), the result is (-pi, pi) in radians
    track_direction = math.atan2(next_point[1] - prev_point[1], next_point[0] - prev_point[0])
    # Convert to degree
    track_direction = math.degrees(track_direction)

    # Calculate the difference between the track direction and the heading direction of the car
    direction_diff = abs(track_direction - heading)
    if direction_diff > 180:
        direction_diff = 360 - direction_diff

    # Penalize the reward if the difference is too large
    DIRECTION_THRESHOLD = 10.0
    if direction_diff > DIRECTION_THRESHOLD:
        reward *= 0.5

    return float(reward)

closest_objects

Tipo: [int, int]

Rango: [(0:len(objects_location)-1), (0:len(objects_location)-1)]

Índices basados en cero de los dos objetos más cercanos a la posición actual (x,y) del agente. El primer índice hace referencia al objeto más cercano situado detrás del agente, mientas que el segundo índice hace referencia al objeto más cercano situado delante. Si solo hay un objeto, ambos índices serán 0.

distance_from_center

Tipo: float

Rango: 0:~track_width/2

Desplazamiento, en metros, entre el centro del agente y el centro de la pista. El desplazamiento máximo observable se produce cuando cualquiera de las ruedas del agente están fuera del límite de la pista y, en función de la anchura de la pista, puede ser ligeramente más pequeña o más grande que la mitad de track_width.

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS dedistance_from_center.

Ejemplo: una función de recompensa utilizando el parámetro distance_from_center.


def reward_function(params):
    #################################################################################
    '''
    Example of using distance from the center
    '''

    # Read input variable
    track_width = params['track_width']
    distance_from_center = params['distance_from_center']

    # Penalize if the car is too far away from the center
    marker_1 = 0.1 * track_width
    marker_2 = 0.5 * track_width

    if distance_from_center <= marker_1:
        reward = 1.0
    elif distance_from_center <= marker_2:
        reward = 0.5
    else:
        reward = 1e-3  # likely crashed/ close to off track

    return float(reward)

heading

Tipo: float

Rango: -180:+180

La dirección hacia la que se dirige, en grados, del agente con respecto al eje x del sistema de coordenadas.

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS deheading.

Ejemplo: una función de recompensa utilizando el parámetro heading.

Para obtener más información, consulte closest_waypoints.

is_crashed

Tipo: Boolean

Rango: (True:False)

Indicador booleano para indicar si el agente ha chocado contra otro objeto (True) o no (False) como estado de terminación.

is_left_of_center

Tipo: Boolean

Rango: [True : False]

Una marca Boolean para indicar si el agente se encuentra en el lado izquierdo con respecto al centro de la pista (True) o en el lado derecho (False).

is_offtrack

Tipo: Boolean

Rango: (True:False)

Indicador booleano para indicar si el agente tiene un estado de fuera de la pista (Verdadero) o no (False) como estado de terminación.

is_reversed

Tipo: Boolean

Rango: [True:False]

Un indicador booleano para indicar si el agente está conduciendo en sentido horario (True) o antihorario (False).

Se utiliza cuando se habilita el cambio de dirección para cada episodio.

objects_distance

Tipo: [float, … ]

Rango: [(0:track_length), … ]

Lista de las distancias entre objetos del entorno en relación con la línea de salida. El elemento i^th mide la distancia en metros entre el objeto i^th y la línea de salida a lo largo de la línea central de la pista.

nota

abs | (var1) - (var2)| = a qué distancia está el coche de un objeto, WHEN var1 = ["objects_distance"][index] y var2 = params["progress"]*params["track_length"]

Para obtener el índice del objeto más cercano que hay delante del vehículo y del objeto más cercano que hay detrás del vehículo, utilice el parámetro «closest_objects».

objects_heading

Tipo: [float, … ]

Rango: [(-180:180), … ]

Lista de los encabezados de los objetos en grados. El elemento i^th mide el encabezado del objeto i^th. Para los objetos estacionarios, los encabezados son 0. Para un vehículo robot, el valor del elemento correspondiente es el ángulo de rumbo del vehículo.

objects_left_of_center

Tipo: [Boolean, … ]

Rango: [True|False, … ]

Lista de banderas booleanas. El valor del elemento i^th indica si el objeto i^th está en el lado izquierdo (True) o derecho (False) del centro de la pista.

objects_location

Tipo: [(x,y), … ]

Rango: [(0:N,0:N), … ]

Lista de todas las ubicaciones de objetos, cada ubicación es una tupla de (x, y).

El tamaño de la lista es igual al número de objetos en la pista. Tenga en cuenta que el objeto podría ser los obstáculos estacionarios, vehículos robot en movimiento.

objects_speed

Tipo: [float, … ]

Rango: [(0:12.0), … ]

Lista de velocidades (metros por segundo) para los objetos en la pista. En objetos estacionarios, las velocidades son 0. En un vehículo robot, el valor es la velocidad que se establece en el entrenamiento.

avance

Tipo: float

Rango: 0:100

Porcentaje de pista completado.

Ejemplo: una función de recompensa utilizando el parámetro progress.

Para obtener más información, consulte pasos.

speed

Tipo: float

Rango: 0.0:5.0

La velocidad observada del agente, en metros por segundo (m/s).

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS despeed.

Ejemplo: una función de recompensa utilizando el parámetro speed.

Para obtener más información, consulte la sección all_wheels_on_track.

steering_angle

Tipo: float

Rango: -30:30

Ángulo de dirección, en grados, de las ruedas delanteras desde la línea central del agente. El signo negativo (-) significa maniobrar hacia la derecha y el signo positivo (+) significa maniobrar hacia la izquierda. La línea central del agente no tiene que estar necesariamente paralela a la línea central paralela tal y como se muestra en la siguiente ilustración.

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS desteering_angle.

Ejemplo: una función de recompensa utilizando el parámetro steering_angle.


def reward_function(params):
    '''
    Example of using steering angle
    '''

    # Read input variable
    abs_steering = abs(params['steering_angle']) # We don't care whether it is left or right steering

    # Initialize the reward with typical value
    reward = 1.0

    # Penalize if car steer too much to prevent zigzag
    ABS_STEERING_THRESHOLD = 20.0
    if abs_steering > ABS_STEERING_THRESHOLD:
        reward *= 0.8

    return float(reward)

pasos

Tipo: int

Rango: 0:N_step

Número de pasos completados. Un paso corresponde a una acción realizada por el agente siguiendo la política actual.

Ejemplo: una función de recompensa utilizando el parámetro steps.


def reward_function(params):
    #############################################################################
    '''
    Example of using steps and progress
    '''

    # Read input variable
    steps = params['steps']
    progress = params['progress']

    # Total num of steps we want the car to finish the lap, it will vary depends on the track length
    TOTAL_NUM_STEPS = 300

    # Initialize the reward with typical value
    reward = 1.0

    # Give additional reward if the car pass every 100 steps faster than expected
    if (steps % 100) == 0 and progress > (steps / TOTAL_NUM_STEPS) * 100 :
        reward += 10.0

    return float(reward)

track_length

Tipo: float

Rango: [0:L_max]

La longitud de la pista en metros. L_max is track-dependent.

track_width

Tipo: float

Rango: 0:D_track

Ancho de la pista en metros.

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS detrack_width.

Ejemplo: una función de recompensa utilizando el parámetro track_width.


def reward_function(params):
    #############################################################################
    '''
    Example of using track width
    '''

    # Read input variable
    track_width = params['track_width']
    distance_from_center = params['distance_from_center']

    # Calculate the distance from each border
    distance_from_border = 0.5 * track_width - distance_from_center

    # Reward higher if the car stays inside the track borders
    if distance_from_border >= 0.05:
        reward = 1.0
    else:
        reward = 1e-3 # Low reward if too close to the border or goes off the track

    return float(reward)

x, y

Tipo: float

Rango: 0:N

Ubicación, en metros, del centro del agente a lo largo de los ejes x e y, del entorno simulado que contiene la pista. El origen se encuentra en el ángulo inferior izquierdo del entorno simulado.

Imagen: Parámetros de entrada de la función de DeepRacer recompensa de AWS dex,y.

waypoints

Tipo: list de [float, float]

Rango: [[x_w,0,y_w,0] … [x_w,Max-1, y_w,Max-1]]

Una lista ordenada de hitos Max dependientes de la pista a lo largo del centro de la pista. Cada hito se describe mediante una coordenada de (x_w,i, y_w,i). Para una pista en bucle, el primer y el último señalador son los mismos. Para una pista recta u otra pista no en bucle, el primer y el último señalador son distintos.

Imagen: parámetro de entrada de la función de DeepRacer recompensa de AWS dewaypoints.

Ejemplo: una función de recompensa utilizando el parámetro waypoints.

Para obtener más información, consulte closest_waypoints.

Aviso JavaScript está desactivado o no está disponible en su navegador.

Para utilizar la documentación de AWS, debe estar habilitado JavaScript. Para obtener más información, consulte las páginas de ayuda de su navegador.

Convenciones del documento

Referencia de la función de recompensa

Ejemplos de funciones de recompensa