Self-parking car using genetic algorithm (2021)

In this article, we'll train the car to do self-parking using a genetic algorithm. We'll create the 1st generation of cars with random genomes that will behave erratically. On the 40th generation, the cars start learning what self-parking is and get closer to the parking spot.

Despite hitting other cars and imperfect fits, this early progress is celebrated as the simulator evolves. You may launch the Self-parking Car Evolution Simulator to see the process directly in your browser, train cars from scratch, adjust genetic parameters, or try manual parking with WASD controls. The genetic algorithm is implemented in TypeScript.

The plan involves breaking the high-level task of self-parking into a low-level optimization problem of finding the optimal 180-bit car genome. Muscles, in the form of engine and steering wheel signals (-1, 0, +1), allow movement. Sensors, or 'eyes', enable the car to see surroundings and obstacles.

The brain is a pure function controlling movements based on sensor input. Evolution occurs generation after generation as the brain function learns optimal moves. The full genetic source code is available in the Evolution Simulator repository.

The simulator offers opportunities to train cars from scratch, view trained cars in action, and attempt manual parking.

في هذه المقالة، سنقوم بتدريب السيارة على القيام بالركن الذاتي باستخدام خوارزمية جينية. سننشئ أول جيل من السيارات بجينات عشوائية ستتصرف بشكل غير منتظم. في الجيل الرابعين، تبدأ السيارات في تعلم ما هو الركن الذاتي والاقتراب من موقع الركن. على الرغم من اصطدامها بسيارات أخرى وملاءمة غير مثالية، فإن هذا التقدم المبكر يُحتفى به كجزء من تطور المحاكي. يمكنك تشغيل محاكي تطور سيارة الركن الذاتي لرؤية العملية مباشرة في متصفحك، وتدريب السيارات من الصفر، وضبط المعلمات الجينية، أو محاولة الركن اليدوي باستخدام زرّات WASD. تم تنفيذ الخوارزمية الجينية بلغة TypeScript. ينطوي الخطة على تحليل مهمة الركن الذاتي على مستوى عالٍ إلى مشكلة تحسين على مستوى منخفض للعثور على جينوم السيارة المثالي بطول 180 بت. العضلات، على شكل إشارات محرك وعجلة توجيه (-1، 0، +1)، تتيح الحركة. الحساسات، أو 'العيون'، تمكّن السيارة من رؤية المحيطات والعوائق. الدماغ هو دالة نقيّة تتحكم في الحركات بناءً على إدخال الحساس. يحدث التطور جيلًا بعد جيل كما يتعلم دالة الدماغ الحركات المثلى. الكود المصدري الجيني الكامل متاح في مستودع محاكي التطور. يقدّم المحاكي فرصًا لتدريب السيارات من الصفر، ومشاهدة السيارات المدرّبة في العمل، ومحاولة الركن اليدوي.

এই নিবন্ধে, আমরা একটি জেনেটিক অ্যালগরিদম ব্যবহার করে কারটিকে স্বয়ংক্রিয়ভাবে পার্ক করতে প্রশিক্ষণ দেব। আমরা এলোমূল্য জিনোম সহ প্রথম প্রজন্মের গাড়িগুলি তৈরি করব যারা অস্বাভাবিকভাবে আচরণ করবে। 40তম প্রজন্মে, গাড়িগুলি স্বয়ংক্রিয় পার্কিং কী তা শিখতে শুরু করে এবং পার্কিং স্পটের কাছাকাছি যায়। অন্যান্য গাড়িগুলিতে ধাক্কা দেওয়ার পরেও এবং অপূর্ণ ফিট হওয়ার পরেও, এই প্রাথমিক অগ্রগতি সিমুলেটর বিবর্তনের সাথে সাথে উদযাপন করা হয়। আপনি স্বয়ংক্রিয় পার্কিং কার এভলিউশন সিমুলেটর চালু করতে পারেন যাতে আপনি আপনার ব্রাউজারে সরাসরি প্রক্রিয়াটি দেখতে পারেন, গাড়িগুলিকে শূন্য থেকে প্রশিক্ষণ দিতে পারেন, জেনেটিক প্যারামিটার সমন্বয় করতে পারেন, অথবা WASD নিয়ন্ত্রণ দিয়ে ম্যানুয়াল পার্কিং চেষ্টা করতে পারেন। জেনেটিক অ্যালগরিদম TypeScript-এ বাস্তবায়িত হয়েছে। পরিকল্পনায় স্বয়ংক্রিয় পার্কিং এই উচ্চ-স্তরের কাজটিকে 180-বিট কার জিনোম খুঁজে পেতে নিম্ন-স্তরের অপ্টিমাইজেশন সমস্যায় ভাগ করা রয়েছে। পেশী, ইঞ্জিন এবং স্টিয়ারিং হুইল সিগন্যাল (-1, 0, +1) এর রূপে, সরণী সম্ভব করে তোলে। সেন্সর, অথবা 'চোখ', গাড়িটিকে আশপাশের পরিবেশ এবং বাধাগুলি দেখতে সক্ষম করে। মস্তিষ্ক একটি পরিষ্কার ফাংশন যা সেন্সর ইনপুট ভিত্তিক চলাচল নিয়ন্ত্রণ করে। মস্তিষ্কের ফাংশন যখন অপ্টিমাল চলাচল শিখে নেয়, তখন প্রজন্ম থেকে প্রজন্ম বিবর্তন ঘটে। সম্পূর্ণ জেনেটিক সোর্স কোড এভলিউশন সিমুলেটর রিপোজিটরিতে উপলদ্ধ। সিমুলেটরটি শূন্য থেকে গাড়িগুলিকে প্রশিক্ষণ দেওয়ার, প্রশিক্ষিত গাড়িগুলিকে কাজে দেখানোর এবং ম্যানুয়াল পার্কিং চেষ্টা করার সুযোগ প্রদান করে।

In diesem Artikel werden wir das Auto mit einem genetischen Algorithmus das Selbstparken lernen lassen. Wir erstellen die 1. Generation von Autos mit zufälligen Genomen, die sich unregelmäßig verhalten werden.

In der 40. Generation beginnen die Autos zu lernen, was Selbstparken ist, und nähern sich dem Parkplatz. Trotz Kollisionen mit anderen Autos und unvollkommenen Anpassungen wird dieser frühe Fortschritt gefeiert, wie der Simulator sich entwickelt.

Sie können den Selbstparkenden Auto-Evolutions-Simulator starten, um den Prozess direkt in Ihrem Browser zu sehen, Autos von Grund auf zu trainieren, genetische Parameter anzupassen oder manuelles Parken mit WASD-Steuerung zu versuchen. Der genetische Algorithmus ist in TypeScript implementiert. Der Plan besteht darin, die hochstufige Aufgabe des Selbstparkens in ein niedrigstufiges Optimierungsproblem des Findens des optimalen 180-Bit-Auto-Genoms aufzuteilen.

Muskeln, in Form von Motoren- und Lenksignalen (-1, 0, +1), ermöglichen die Bewegung. Sensoren, oder 'Augen', ermöglichen es dem Auto, seine Umgebung und Hindernisse zu sehen. Das Gehirn ist eine reine Funktion, die die Bewegungen basierend auf Sensor-Eingaben steuert.

Die Evolution tritt Generation für Generation ein, während die Gehirn-Funktion optimale Bewegungen lernt. Der vollständige genetische Quellcode ist im Evolution-Simulator-Repository verfügbar. Der Simulator bietet Möglichkeiten, Autos von Grund auf zu trainieren, trainierte Autos in Aktion zu betrachten und manuelles Parken zu versuchen.

En este artículo, entrenaremos el coche para que haga el aparcamiento automático usando un algoritmo genético. Crearemos la 1ª generación de coches con genomas aleatorios que se comportarán de manera errática. En la 40ª generación, los coches empiezan a aprender qué es el aparcamiento automático y se acercan al lugar de aparcamiento.

A pesar de chocar contra otros coches y de ajustes imperfectos, este temprano progreso se celebra como el simulador evoluciona. Puedes lanzar el Simulador de Evolución de Coche Autoparqueador para ver el proceso directamente en tu navegador, entrenar coches desde cero, ajustar parámetros genéticos o intentar el aparcamiento manual con controles WASD. El algoritmo genético está implementado en TypeScript.

El plan implica descomponer la tarea de alto nivel de aparcamiento automático en un problema de optimización de bajo nivel de encontrar el genoma de 180 bits óptimo. Los músculos, en forma de señales de motor y volante (-1, 0, +1), permiten el movimiento. Los sensores, o 'ojos', permiten al coche ver su entorno y obstáculos.

El cerebro es una función pura que controla los movimientos basados en la entrada del sensor. La evolución ocurre generación tras generación a medida que la función del cerebro aprende los movimientos óptimos. El código fuente genético completo está disponible en el repositorio del Simulador de Evolución.

El simulador ofrece oportunidades para entrenar coches desde cero, ver coches entrenados en acción y intentar el aparcamiento manual.

Dans cet article, nous allons entraîner la voiture à effectuer le stationnement automatique à l'aide d'un algorithme génétique. Nous créerons la 1ère génération de voitures avec des génomes aléatoires qui se comporteront de manière erratique. À la 40e génération, les voitures commencent à apprendre ce qu'est le stationnement automatique et s'approchent du lieu de stationnement. Malgré les collisions avec d'autres voitures et les ajustements imparfaits, cet early progress est célébré comme le simulateur évolue.

Vous pouvez lancer le Simulateur d'Évolution de Voiture Autoparkeuse pour voir le processus directement dans votre navigateur, entraîner des voitures à partir de zéro, ajuster les paramètres génétiques ou essayer le stationnement manuel avec les commandes WASD. L'algorithme génétique est implémenté en TypeScript. Le plan consiste à décomposer la tâche de haut niveau du stationnement automatique en un problème d'optimisation de bas niveau consistant à trouver le génome de voiture optimal de 180 bits.

Les muscles, sous la forme de signaux moteur et de volant (-1, 0, +1), permettent le mouvement. Les capteurs, ou 'yeux', permettent à la voiture de voir son environnement et les obstacles. Le cerveau est une fonction pure contrôlant les mouvements en fonction de l'entrée du capteur.

L'évolution se produit génération après génération à mesure que la fonction cérébrale apprend les mouvements optimaux. Le code source génétique complet est disponible dans le dépôt du Simulateur d'Évolution. Le simulateur offre des opportunités pour entraîner des voitures à partir de zéro, voir des voitures entraînées en action et tenter le stationnement manuel.

इस लेख में, हम एक जनरेटिक एल्गोरिद्म का उपयोग करके कार को स्व-पार्किंग करना सिखाएंगे। हम पहली पीढ़ी की कारें यादृच्छिक जीनोम के साथ बनाएंगे जो अजीब तरह से व्यवहरू करेंगी। 40वीं पीढ़ी पर, कारें स्व-पार्किंग के बारे में सीखना शुरू करती हैं और पार्किंग स्पॉट की ओर बढ़ती हैं। चाहे वे अन्य कारों से टकराती हों और असम्पूर्ण फिट हों, इस शुरुआती प्रगति का जश्न गालिबी में मनाया जाता है जैसे ही सिमुलेटर विकसित होता है। आप स्व-पार्किंग कार एवोल्यूशन सिमुलेटर लॉन्च कर सकते हैं जिससे आपको ब्राउज़र में प्रत्यक्ष प्रक्रिया दिखेगी, कारों को शून्य से प्रशिक्षित करें, जनरेटिक पैरामीटर्स को समायन करें या WASD नियंत्रणों के साथ मैन्युअल पार्किंग का प्रयास करें। जनरेटिक एल्गोरिदम TypeScript में कार्यान्वित है। योजना में स्व-पार्किंग के उच्च-स्तरीय कार्य को 180-बिट कार जीनोम को ढूंढने के निम्न-स्तरीय अनुकूलन समस्या में विभाजित करना शामिल है। मांसपेशियाँ, इंजिन और स्टियरिंग व्हील सिग्नल्स (-1, 0, +1) के रूप में, चलने की अनुमति देती हैं। सेंसर्स, या 'आँखें', कार को अपने वातानुकूल और बाधाओं को देखने में सक्षम बनाते हैं। दिमाग एक शुद्ध फ़ंक्शन है जो सेंसर इनपुट के आधार पर चलाकों को नियंत्रित करता है। जब दिमाग का फ़ंक्शन उत्तम चलाकों को सीखता है, तो पीढ़ी दर पीढ़ी विकास के साथ-साथ होता है। पूरा जनरेटिक स्रोत कोड एवोल्यूशन सिमुलेटर रिपॉजिटरी में उपलब्ध है। सिमुलेटर को शून्य से कारों को प्रशिक्षित करने, प्रशिक्षित कारों को कार्रवाई में देखने और मैन्युअल पार्किंग का प्रयास करने के अवसर प्रदान करता है।

Dalam artikel ini, kita akan melatih mobil untuk melakukan parkir sendiri menggunakan algoritma genetik. Kita akan membuat generasi pertama mobil dengan genom acak yang akan bersikap tidak terduga. Pada generasi ke-40, mobil-mobil mulai belajar apa itu parkir sendiri dan semakin dekat ke tempat parkir.

Meskipun menabrak mobil lain dan pasak yang tidak sempurna, kemajuan awal ini dirayakan seiring simulator berevolusi. Anda dapat meluncurkan Simulator Evolusi Mobil Parkir Sendiri untuk melihat prosesnya langsung di browser Anda, melatih mobil dari awal, menyesuaikan parameter genetik, atau mencoba parkir manual dengan kontrol WASD. Algoritma genetik diimplementasikan dalam TypeScript.

Reneka melibatkan memecah tugas tingkat tinggi parkir sendiri menjadi masalah optimasi tingkat rendah untuk menemukan genom mobil 180-bit optimal. Otot, dalam bentuk sinyal mesin dan roda kemudi (-1, 0, +1), memungkinkan gerakan. Sensor, atau 'mata', memungkinkan mobil untuk melihat lingkungan dan rintangan.

Otak adalah fungsi murni yang mengendalikan gerakan berdasarkan input sensor. Evolusi terjadi generasi demi generasi saat fungsi otak belajar gerakan optimal. Kode sumber genetik lengkap tersedia di repositori Simulator Evolusi.

Simulator menawarkan peluang untuk melatih mobil dari awal, melihat mobil yang dilatih dalam aksi, dan mencoba parkir manual.

この記事では、遺伝的アルゴリズムを使用して車を自動駐車させます。ランダムなゲノムを持つ最初の世代の車を作成し、その挙動は不規則になります。第40世代では、車は自動駐車が何かを学び始め、駐車スペースに近づいていきます。他の車に衝突したり、不完全なフィットになったりしても、この初期の進歩はシミュレーターが進化する中で祝賀されます。セルフパーキングカーエボリューションシミュレーターを起動して、ブラウザで直接プロセスを確認できます。車をゼロからトレーニングし、遺伝的パラメーターを調整するか、WASDコントロールで手動駐車を試すことができます。遺伝的アルゴリズムはTypeScriptで実装されています。計画では、自動駐車という高レベルタスクを、最適な180ビットの車ゲノムを見つける低レベルの最適化問題に分解します。筋肉は、エンジンとステアリングホイールの信号(-1, 0, +1)の形式で、移動を可能にします。センサー、または「目」は、車が周囲と障害物を見ることができるようにします。脳は、センサー入力に基づいて動きを制御する純粋な関数です。脳の機能が最適な動きを学ぶにつれて、進化は世代を重ねて行われます。完全な遺伝的ソースコードは、進化シミュレーターリポジトリで利用できます。シミュレーターは、車をゼロからトレーニングし、訓練された車を実際に見ることができ、手動駐車を試す機会を提供しています。

Neste artigo, treinaremos o carro para fazer estacionamento automático usando um algoritmo genético. Criaremos a 1ª geração de carros com genomas aleatórios que se comportarão de forma errática. Na 40ª geração, os carros começam a aprender o que é estacionamento automático e se aproximam do local de estacionamento.

Apesar de colidir com outros carros e ajustes imperfeitos, este early progress é celebrado como o simulador evolui. Você pode lançar o Simulador de Evolução de Carro Autoparqueador para ver o processo diretamente no seu navegador, treinar carros do zero, ajustar parâmetros genéticos ou tentar estacionamento manual com controles WASD. O algoritmo genético é implementado em TypeScript.

O plano envolve decompor a tarefa de alto nível de estacionamento automático em um problema de otimização de baixo nível de encontrar o genoma de carro ótimo de 180 bits. Os músculos, na forma de sinais de motor e volante (-1, 0, +1), permitem o movimento. Os sensores, ou 'olhos', permitem que o carro veja seu entorno e obstáculos.

O cérebro é uma função pura que controla os movimentos com base na entrada do sensor. A evolução ocorre geração após geração à medida que a função cerebral aprende os movimentos ótimos. O código fonte genético completo está disponível no repositório do Simulador de Evolução.

O simulador oferece oportunidades para treinar carros do zero, ver carros treinados em ação e tentar o estacionamento manual.

В этой статье мы научим машину выполнять самопарковку с помощью генетического алгоритма. Мы создадим 1-е поколение машин с случайными геномами, которые будут вести себя непредсказуемо. К 40-му поколению машины начинают понимать, что такое самопарковка, и приближаются к месту парковки. Несмотря на столкновения с другими машинами и неидеальные подгонки, этот ранний прогресс празднуется, поскольку симулятор эволюционирует. Вы можете запустить Симулятор Эволюции Самопаркующего Автомобиля, чтобы увидеть процесс прямо в вашем браузере, обучить машины с нуля, настроить генетические параметры или попробовать ручную парковку с помощью WASD. Генетический алгоритм реализован на TypeScript. План состоит в разложении высокоуровневой задачи самопарковки на задачу низкоуровневой оптимизации поиска оптимального 180-битного генома машины. Мышцы, в виде сигналов двигателя и руля (-1, 0, +1), позволяют движению. Датчики, или 'глаза', позволяют машине видеть окружающую среду и препятствия. Мозг — это чистая функция, управляющая движением на основе входных данных сенсоров. Эволюция происходит поколение за поколением, по мере того как функция мозга учит оптимальным движениям. Полный генетический исходный код доступен в репозитории Симулятора Эволюции. Симулятор предлагает возможности обучать машины с нуля, просматривать обученных машин в действии и пытаться выполнить ручную парковку.

在本文中，我们将使用遗传算法训练汽车进行自动泊车。我们将创建第一代随机基因组的汽车，它们的行为将非常 erratic。到了第40代，汽车开始学习什么是自动泊车，并逐渐靠近停车位。尽管会撞上其他汽车和不完美的停车，但这种早期进展被庆祝为模拟器的进化。您可以启动自泊车进化模拟器，直接在浏览器中查看整个过程，从头训练汽车，调整遗传参数，或尝试使用WASD控件进行手动停车。遗传算法是用TypeScript实现的。计划将自动泊车这一高层次任务分解为寻找最优180位汽车基因组的低层次优化问题。肌肉，形式为引擎和方向盘信号(-1, 0, +1)，允许移动。传感器，或'眼睛'，使汽车能够看到周围环境和障碍物。大脑是一个纯函数，根据传感器输入控制移动。随着大脑函数学习到最佳移动方式，进化在每一代中发生。完整的遗传源代码可在进化模拟器仓库中找到。模拟器提供了从头训练汽车、查看训练有素的汽车运行，以及尝试手动停车的机会。