前言 PettingZoo 存在 AEC API 和 Parallel API 两种运行模式。 在 Parallel API 模式的环境中，所有智能体同时进行决策，环境根据所有智能体的动作进行状态转移。如果你将 Parallel API 的示例代码与 Gymnasium 单智能体环境的示例代码进行对比，你会发现两者的代码结构完全一样： # PettingZoo Parallel API...
0 前言 本文详细记录了在 OpenWhisk 无服务计算框架上部署 YOLO 的过程。最终实现的效果是：将图片的 URL 作为参数，调用部署在 OpenWhisk 上的函数，函数会返回图片中检测到的目标的坐标、类别和置信度。 在阅读本文之前，你需要学会在 Kubernetes 集群上部署 OpenWhisk 无服务计算框架。 1 定制带有 YOLO 的 OpenWhisk Pytho...
参考资料： OpenWrt之有线中继无缝漫游mesh组网详解 OpenWrt设置开启802.11r、纯AP模式、自动剔除弱信号 1 网络环境 网络拓扑如下： 本教程中将光猫/主路由器的 DHCP 地址范围设置为 192.168.1.100 到 192.168.1.254 。192.168.1.2 到 192.168.1.99 用于静态 IP 地址分配...
前置知识：Kubernetes 一小时轻松入门 1 使用 Multipass 创建虚拟机集群 本文的 Kubernetes 集群中包含四台虚拟机。其中包括一台 master 节点和两台 worker 节点，以及一个用于持久化存储的 NFS 服务器。它们的配置如下： 虚拟机名称 CPU 核心数 内存容量 硬盘空间 ...
前置知识：深度强化学习算法一图流 参考资料： 论文 - SAC (v1) [论文简析]SAC: Soft Actor-Critic Part 1[1801.01290] 论文 - SAC (v2) [论文简析]SAC: Soft Actor-Critic Part 2[1812.05905] 本文介绍的 SAC 版本是论文 - SAC...
在新标签页查看 介绍 本图展示了深度强化学习涉及到的大部分概念的关系，包括： 状态、动作、奖励、折扣回报 动作价值函数、状态价值函数、优势函数 最优动作价值函数、最优状态价值函数、最优优势函数 同时，本图还展示了深度强化学习中大部分算法的数学推导以及训练方法，包括： 价值学习 离散动作空间 DQN ...
如果在阅读时发现问题，欢迎在我的 GitHub Pages 仓库中提交 Issue 。 0 安装插件并创建工程 安装 MindMaker Machine Learning AI Plugin 插件到兼容的引擎上 该插件提供了用于与 Python 连接的 Socket IO 接口，使得状态信息和动作指令可以在虚幻引擎和 Python 之间传递 ...
0 前言 使用驼峰命名法。 设置英文界面 culture=en 。 点击虚幻编辑器右下角的编译按钮 可以实时编译被修改的源文件。 可以代替下文中 按 F5 编译打开 UE5 编辑器 的步骤。 源代码目录结构： .../Unreal Projects/RollABall/Source │ RollABall.Target.cs │ RollABallEditor.Target....
参考视频： https://www.bilibili.com/video/BV1Za4y1s7ti 0 入门 Ctrl + Space - 打开 Content Drawer 内容浏览器 G - 开关场景图标 文件目录结构： _<项目名>（下划线保证项目文件夹在第一个） Blueprints 蓝图 Maps 关卡 M...
1 前言 卡尔曼滤波 (Kalman Filter) 是一种关于线性离散系统滤波问题的递推算法。其使用递推的形式对系统的状态进行估计，以测量中产生的误差为依据对估计值进行校正，使被估计的状态不断接近真实值。 卡尔曼滤波的基本思想：根据系统的状态空间方程，利用前一时刻系统状态的估计值和当前时刻系统的观测值对状态变量进行最优估计，求出当前时刻系统状态的估计值。 假设线性离散系统的状态空间方...