Lernende Autos
Gen: 1Lebend: 0/50Zeit: 0/3600Bester Score: 0Rekord: 0
Im Auto-Modus startet die nächste Generation von selbst, sobald alle Autos kollidiert sind oder die Zeit abgelaufen ist.
Dies ist die JavaScript-Umsetzung des Python-Projekts
Neural-Network-Cars
(Original siehe Neuronale Netze). Jedes Auto besitzt ein
kleines Neuronales Netz, das pro Bildschirmschritt aus sechs Eingaben vier
Aktionen ableitet.
Das Neuronale Netz
| Eingang | Bedeutung |
|---|---|
| Abstand zur nächsten Wand geradeaus | |
| Abstand nach schräg rechts / links (± 45°) | |
| Abstand zur Seite (± 90°) | |
| Aktuelle Geschwindigkeit |
Die Abstände sind auf 0…1 normalisiert (volle Reichweite = 300 Pixel).
Evolution statt Backpropagation
Das Netz wird nicht über Fehler-Rückpflanzung trainiert, sondern evolutionär:
- Bewertung: Jedes Auto sammelt Punkte – pro Schritt seine Geschwindigkeit. Wer die Wand berührt, ist tot; der Score bleibt erhalten.
- Selektion:
- Auto-Modus: Sind alle Autos tot (oder die Generationszeit abgelaufen), werden die besten Genome automatisch gekreuzt.
- Manueller Modus (wie im Original): Du wählst bis zu zwei Autos an (tote bleiben liegen und sind auch nach dem Crash auswählbar) und drückst Züchten.
- Crossover & Mutation: Das Genom der Nachkommen besteht abwechselnd aus Genen der beiden Eltern; mit der eingestellten Wahrscheinlichkeit werden einzelne Gene verändert (skaliert oder verschoben).
Das beste Genom überlebt jeweils unverändert als Elite – sonst könnte die
Evolution Fortschritte wieder «vergessen».
Beobachten
- Bewege die Maus über ein Auto: seine fünf Sensorstrahlen und die aktuellen
Aktivierungen der Ausgaben werden hervorgehoben. - Unter der Steuerung zeigt eine SVG-Ansicht das Neuronale Netz: beim
überfahrenen Auto, sonst vom besten lebenden Auto. Die Knotenfarbe zeigt die
Aktivierung (ausgelöste Aktionen haben einen dunkelgrünen Rand), die Kanten
die Gewichte – grün = positiv, rot = negativ, Dicke und Deckkraft = Betrag. - Mit Tempo beschleunigst du die Simulation (Schritte pro Bild).
- Alle töten beendet die Generation sofort – praktisch, wenn alle Autos
brav im Kreis fahren.
Aufgabe
- Starte die Simulation im Auto-Modus und beobachte mehrere Generationen. Was passiert in den ersten Generationen? Warum «verhungern» viele Autos sofort?
- Spiele mit der Mutationsrate. Was bewirkt ein sehr hoher, was ein sehr tiefer Wert?
- Schalte auf den manuellen Modus und züchte selbst: Welche Strategie ist schwieriger – Auto oder manuell?
- Wechsle auf «Oval» oder «S-Kurve»: Merken sich die Autos etwas von der Strecke, oder müssen sie bei jeder Generations-Konfiguration neu lernen?
Aufgaben vertiefend (optional)
Aufgabe
Öffne die DevTools und schaue dir die Dateien im Ordner neural-cars/engine/ an:
- Wo steckt die Sigmoid-Funktion?
- Wie gross sind Eingabe-, versteckte und Ausgabeschicht (
NN_SIZES)? - Was passiert im
mutate()-Aufruf?