AWS DeepRacer 奖励函数的输入参数

AWS DeepRacer 奖励函数将字典对象作为输入。


def reward_function(params) :
    
    reward = ...

    return float(reward)

params 词典对象包含以下键/值对：


{
    "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

}

输入参数的更多详细技术参考如下所示。

all_wheels_on_track

类型：Boolean

范围：(True:False)

一个 Boolean 标记，指示代理是在赛道上还是偏离赛道。如果车辆的任一车轮位于赛道边界外，则将车辆视为偏离赛道 (False)。如果车辆的所有车轮都在两个赛道边界内，则将车辆视为在赛道上 (True)。下图显示了代理在赛道上。

图片：AWS DeepRacer 奖励函数的输入参数all_wheels_on_track = True。

下图显示了代理偏离赛道。

图片：AWS DeepRacer 奖励函数的输入参数all_wheels_on_track = False。

示例：使用 all_wheels_on_track 参数的奖励函数


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

类型：[int, int]

范围：[(0:Max-1),(1:Max-1)]

最接近代理当前位置 (x, y) 的两个相邻 waypoint 的从零开始的索引。距离是根据与代理中心的欧氏距离来测量的。第一个元素指代理后面最近的路点，第二个元素指代理前面最近的路点。Max 是路点列表的长度。在waypoints的图示中，closest_waypoints 将为 [16, 17]。

示例：使用 closest_waypoints 参数的奖励函数。

以下示例奖励函数演示如何使用 waypoints、closest_waypoints 和 heading 来计算即时奖励。

AWS DeepRacer 支持以下库：数学、随机 NumPy SciPy、和 Shapely。要使用一个库，请在函数定义 def function_name(parameters) 的上方添加一个 import 语句 import supported library。


# 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

类型：[int, int]

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

最接近代理当前位置 (x, y) 的两个物体的从零开始的索引。第一个索引指代理后面最近的物体，第二个索引指代理前面最近的物体。如果只有一个物体，则两个索引都为 0。

distance_from_center

类型：float

范围：0:~track_width/2

代理中心和赛道中心之间的位移（以米为单位）。当代理的任一车轮位于赛道边界外时可观察到的最大位移，并且根据赛道边界的宽度，它可以略小于或大于 track_width 的一半。

图片：AWS DeepRacer 奖励函数的输入参数distance_from_center。

示例：使用 distance_from_center 参数的奖励函数


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

类型：float

范围：-180:+180

代理相对于坐标系 x 轴的前进方向（以度为单位）。

示例：使用 heading 参数的奖励函数

有关更多信息，请参阅 closest_waypoints。

is_crashed

类型：Boolean

范围：(True:False)

一个布尔标记，用于指示代理的最终状态是否为撞向另一个物体（True 或 False）。

is_left_of_center

类型：Boolean

范围：[True : False]

一个 Boolean 标记，用于指示代理是位于赛道中心的左侧 (True) 还是右侧 (False)。

is_offtrack

类型：Boolean

范围：(True:False)

一个布尔标记，用于指示代理的最终状态是否为脱离赛道（True 或 False）。

is_reversed

类型：Boolean

范围：[True:False]

一个布尔标记，用于指示代理是顺时针行驶 (True) 还是逆时针行驶 (False)。

此参数在您针对每个过程改变方向时使用。

objects_distance

类型：[float, … ]

范围：[(0:track_length), … ]

环境中物体之间相对于起始线的距离列表。第 i 个元素测量沿赛道中心线第 i 个物体与起始线之间的距离。

注意

abs | (var1) - (var2)| = 汽车与物体的接近程度, WHEN var1 = ["objects_distance"][index] and var2 = params["progress"]*params["track_length"]

要获取车辆前方最近物体和车辆后方最近物体的索引，请使用“closest_objects”参数。

objects_heading

类型：[float, … ]

范围：[(-180:180), … ]

物体前进方向（以度为单位）列表。第 i 个元素测量第 i 个物体的前进方向。对于静止物体，其前进方向为 0。对于自动程序车辆，相应元素的值是车辆的前进角度。

objects_left_of_center

类型：[Boolean, … ]

范围：[True|False, … ]

布尔标记列表。第 i 个元素值指示第 i 个物体位于赛道中心的左侧 (True) 还是右侧 (False)。

objects_location

类型：[(x,y), … ]

范围：[(0:N,0:N), … ]

所有物体位置的列表，每个位置都是 (x, y) 的元组。

列表的大小等于赛道上的物体数。注意，物体可能是静止的障碍物，移动的自动程序车辆。

objects_speed

类型：[float, … ]

范围：[(0:12.0), … ]

赛道上物体的速度（米/秒）列表。对于静止物体，其速度为 0。对于自动程序车辆，值为您在训练中设置的速度。

进度

类型：float

范围：0:100

赛道完成百分比。

示例：使用 progress 参数的奖励函数

有关更多信息，请参阅步骤。

speed

类型：float

范围：0.0:5.0

观察到的代理速度，以米/秒 (m/s) 为单位。

示例：使用 speed 参数的奖励函数

有关更多信息，请参阅 all_wheels_on_track。

steering_angle

类型：float

范围：-30:30

前轮与代理中心线之间的转向角（以度为单位）。负号 (-) 表示向右转向，正号 (+) 表示向左转向。代理中心线不一定与赛道中心线平行，如下图所示。

图片：AWS DeepRacer 奖励函数的输入参数steering_angle。

示例：使用 steering_angle 参数的奖励函数


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)

步骤

类型：int

范围：0:N_step

完成的步骤数。步骤对应于代理按照当前策略所采取的操作。

示例：使用 steps 参数的奖励函数


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

类型：float

范围：[0:L_max]

赛道长度（以米为单位）。L_max is track-dependent.

track_width

类型：float

范围：0:D_track

赛道宽度（以米为单位）。

示例：使用 track_width 参数的奖励函数


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)