As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Diferenças de desempenho entre a simulação e a realidade
Como a simulação não consegue capturar todos os aspectos do mundo real com precisão, os modelos treinados em simulação podem não funcionar bem no mundo real. Essas discrepâncias geralmente são conhecidas como diferenças de desempenho entre a simulação e a realidade (sim2real).
Esforços foram feitos no AWS DeepRacer para minimizar a diferença de desempenho no sim2real. Por exemplo, o agente simulado está programado para executar cerca de 10 ações por segundo. Isso corresponde à frequência com que o veículo do AWS DeepRacer executa uma inferência, cerca de 10 inferências por segundo. Como outro exemplo, no início de cada episódio em treinamento, a posição do agente é aleatória. Isso maximiza a probabilidade de o agente conhecer todas as partes da pista de forma uniforme.
Para ajudar a reduzir a diferença de desempenho do real2sim, certifique-se de usar a mesma cor, forma e dimensões, ou semelhantes, para as pistas reais e de simulação. Para reduzir distrações visuais, use barricadas na pista real. Além disso, calibre cuidadosamente os intervalos de velocidade e ângulos de direção do dispositivo para que o espaço de ação usado no treinamento corresponda ao da vida real. Avaliar o desempenho do modelo em uma pista de simulação diferente da usada no treinamento pode mostrar a extensão da diferença de desempenho do real2real.
Para obter mais informações sobre como reduzir a diferença do sim2real durante o treinamento de um modelo do AWS DeepRacer, consulte AWS DeepRacer.Otimizar o treinamento de modelos do AWS DeepRacer para ambientes reais
