哪種機器學習算法適合投籃？

Question

我們正在制造一個將籃球投籃的機器人。

從圖像以及我們對相機角度和目標尺寸（目標都塗有反光帶的知識）的了解中，我們知道我們有多遠，X和Y（距離為Z，或多或少）

這被輸入到機器學習算法中，該算法應該吐出來

1. 送往佳能的速度
2. 水平傾斜
3. 垂直傾斜

這是一種什么樣的機器學習算法，您將如何訓練它？

Answer 1

機器學習可能不適合此任務。 至少不是一個人。 使用物理學。 盡管您需要確定要瞄准箍的中間還是后面的板，但您應該能夠從第一學期的物理教科書中獲得一個粗略的公式。

您的物理公式應該告訴您使用的角度和作用力，但是您的系統模型將存在一些誤差。 不同的球可能具有不同的質量，並且您可能不想明確考慮空氣阻力，依此類推。 根據上次拍攝的距離來搜索偏移量空間是可行的。 搜索方法的選擇取決於您-模擬退火可以很好地發揮作用，如Mencel所說。

此處機器學習的一種可能用途是記住並推斷這些偏移量。 函數逼近器（例如神經網絡）可用於從經驗中學習偏差。 一旦您的搜索方法成功地將球放入籃筐中，就可以將其用作一個逼近器的訓練示例，該逼近器將學習從物理模型所說的內容映射到使擊球起作用的偏移量。 然后，對於下一個鏡頭（從任何位置開始），函數逼近器將用於猜測要使用的偏移量。 如果該鏡頭未命中，請重復搜索，直到找到正確的偏移。 更新函數逼近器，沖洗並重復。 同樣，如果函數逼近器初始化時總是說最初不施加偏移量，則可能會有所益處-畢竟，最好的第一個猜測應該是僅使用物理模型告訴您的值。

Answer 2

我會推薦一種強化學習方法。 會很慢的; 因此，也許您可​​以使用自己的估計（基礎物理學）來初始化解決方案，並通過強化學習來完善它。