openai的开源人工智能测试平台迎来一位新成员——《侠盗猎车手 5》（gta v），它由craig
quite的deepdrive项目搭建和维护。你只需要购买正版游戏，然后universe代理就可以在一个高保真的虚拟世界开始驾驶汽车了。雷锋网此前也做过相关的覆盖和报道。
那么开发者需要注意哪些地方呢？一起和雷锋网(公众号：雷锋网)来看看吧！
首先，打开gta v服务器。然后你需要将universe的python库装好（如果已经事先安装了，就不需要升级了）。现在，你可以通过运行下面的程序挂载代理。除了键盘和鼠标，代理还可以使用虚拟摇杆。
import gym import universe # register universe environments into gym from universe.spaces import joystick_event env = gym.make('gtav.sanedriving-v0') env.configure(remotes='vnc://$host:$port') # point to the gta v universe server observation_n = env.reset() while true: steer = joystick_event.joystickaxisxevent(-1) # turn right throttle = joystick_event.joystickaxiszevent(-1) # go in reverse # alternatively, use wasd to steer: ('keyevent', 'w', true) action_n = [[steer, throttle] for _ in observation_n] observation_n, reward_n, done_n, info = env.step(action_n) env.render()
提供给代理的视角
deepdrive是一个平台，用于建立开放式自动驾驶汽车的ai。deepdrive通过使用建模框架和内存检测技术来重新调整gta
v，使其成为一个自动驾驶汽车的模拟器；除此之外，他可以提供预训练的自动驾驶汽车代理和数据库来训练。现有的deepdrive环境和代理现在编译在universe最上层。
deepdrive的起源比universe早，因此，通过它可以很好的看出在universe出现前和出现后，现代游戏上特别鲜明的对比。最早的deepdrive必须使用windows操作系统的电脑并且需要一整天的时间打开游戏和游戏代理。而现在，打开只需20分钟，操作系统也可支持linux或者os
x，还与旧版本的universe代理兼容（不过，如果要实现最好的效果，还是需要使用虚拟摇杆，而不是传统的键盘和鼠标）。
1. gta v环境的源代码和ami；
2. 一个预训练的驱动代理，具有caffe和tensorflow实现案例。
集成以上两者能够支持选择摄像头机号和视场偏移，还包括通过强化学习训练实现奖赏功能，能够让代理学会避免碰撞，计算目的地距离和停留在路上。
在universe出现之前，deepdrive使用directx按键来捕获屏幕并且需要使用c++与caffe对接来写代理。现在的游戏则运行在windows平台下的网络虚拟机上，并和websockets和vnc进行通讯。因此，代理可在linux或者mac的平台上跑，并且可以实现在任何ml框架的写动作。
universe通过vnc传输像素，鼠标和键盘数据，通过websocket传输其他数据。为了实现摇杆的方向和节流阀的控制，我们将摇杆的动作通过websockets传给环境数据。（图片 via craig quiter）
就如同universe发布说明中提到的，客户端在公有云上最多使用20fps。gta
v为研究人员提供了访问一个丰富多彩多样性的环境在测试和开发ai的环境。gta
v的岛屿设置大小几乎是洛杉矶市的1/5，并且给开发者提供了广泛的场景进行系统测试。另外，系统提供257种不同的汽车、7 种类型的自动驾驶车和
14 种天气，在单个模拟器里使用这些数据进行排列组合，可以实现大量不同的虚拟场景。
gta v中49平方英尺的岛屿san andreas为研究人员提供了培训ai穿过熙熙攘攘的大都市地区，蜿蜒的山路，平坦的沙漠，和高速公路的能力。
在gta
v+universe环境下也可以收集大量的标记数据：你可以用下面的gta
v引擎收录2d或3d模拟的块状信息、汽车、行人、自动驾驶车、动物、路面、交通标志分割标签，或任何一个gta v的其他7000
+对象。环境通过真实世界的车辆，mods的道路建设，甚至也可以延伸到整个城市。
这次开源包含基础代理，是通过模仿学习
21 小时（约 60 万图像）游戏画面进行驾驶训练的 ai （内置的游戏 ai
是很好的初始目标：它的性能优于一个典型的人，因为它可以访问内部游戏状态，虽然 ai
仍然会犯错误，如在高速公路上进行u转弯）。基础代理在各种不同的天气条件下驾驶，对交通作出反应并保持其车道。这种预训练的代理是我们最终目标的起始点！
其他科研人员的研究成果已经展现了通过对gta v中的可视系统进行训练从而对现实世界中的图像进行分类的可行性。gta v与universe融合则使得通过增强学习技术实现虚拟自驾使变得更加简单。
gta
v 与 universe的集成自动继承了 universe 为了可比性和共享性而提供的所有工具和语义，能够很简单地对 gta v
上的代理进行性能基准测试。universe+gat v 可以单独使用，也可以作为使用 universe
代理访问的一个环境。雷锋网也期待在未来，能有更多像gta v+universe这样的社区所提供的环境。
本文作者：雪莉•休斯敦