IBM AI Racing - Apex Dynamics

Polski | English

"APEX DYNAMICS"

Reprezentacja WMiIT w konkursie "IBM AI Racing League"

Z dumą ogłaszamy kolejny wielki sukces zespołu APEX DYNAMICS! Dzięki wdrożeniu frameworka Optuna do automatycznej optymalizacji parametrów naszego kontrolera, udało nam się wykręcić rewelacyjny czas 1:40 na wymagającym torze Corkscrew.

Nasz proces przeszedł na wyższy poziom – zamiast uczyć bota jazdy od zera, zaczęliśmy precyzyjnie „stroić” kierowcę. Wykorzystaliśmy symulacje przyspieszone 128-krotnie, testując setki konfiguracji parametrów skrętu i hamowania. Każdy rekordowy przejazd rygorystycznie walidowaliśmy w normalnym tempie (1x), by wykluczyć błędy fizyki. Przekształciliśmy nieprzewidywalne AI w mierzalne zagadnienie optymalizacyjne, co daje nam ogromną przewagę przed finałem!

Zaawansowane rozwiązania technologiczne wymagają odpowiedniej oprawy. Aby w pełni oddać skalę naszego projektu i zaprezentować zmagania z algorytmami autonomicznej jazdy, zespół APEX DYNAMICS przeniósł się na chwilę z laboratorium do profesjonalnego studia nagraniowego. Przygotowujemy materiał wideo, który krok po kroku udokumentuje naszą drogę – od pierwszych problemów z uczeniem ze wzmocnieniem po ostateczny sukces optymalizacyjny.

Do realizacji podeszliśmy z taką samą rygorystyczną precyzją, jak do pisania kodu. Wykorzystaliśmy kinowe oświetlenie oraz zaawansowane techniki montażu w środowisku DaVinci Resolve. W materiale łączymy techniczne wypowiedzi członków naszego zespołu z wizualizacją surowej telemetrii oraz dynamicznymi nagraniami z symulatora TORCS.

Wierzymy, że profesjonalizm mierzy się nie tylko jakością stworzonego algorytmu, ale również umiejętnością jego czytelnej i bezkompromisowej prezentacji. Zależało nam, aby jakość wideo odzwierciedlała precyzję środowiska IBM Granite oraz frameworka Optuna, na których pracowaliśmy. Efekty naszej pracy po obu stronach kamery zaprezentujemy już wkrótce!

Za nami kluczowy etap prac, który przyniósł fundamentalną zmianę w naszym podejściu. Choć początkowo stawialiśmy na Reinforcement Learning i model Soft Actor-Critic, zderzyliśmy się z problemem „reward hacków” – nasz agent znajdował luki w systemie nagród, wybierając kolizje zamiast poprawnej jazdy.

Dzięki wsparciu merytorycznemu z kursów IBM SkillsBuild oraz burzy mózgów przeprowadzonej z modelem IBM Granite, podjęliśmy odważną decyzję o zmianie strategii. Odeszliśmy od nieprzewidywalnej eksploracji na rzecz kontrolera regułowego (rule-based) opartego bezpośrednio na czujnikach TORCS. To rozwiązanie dało nam pełną kontrolę nad gazem, kierownicą i techniką trail brakingu, tworząc stabilną bazę do walki o najwyższe lokaty. Prace nabierają nowej jakości!

Za nami kolejne, intensywne spotkanie robocze, które tym razem przeprowadziliśmy w naszym wirtualnym garażu na platformie Discord. Mamy świetne wieści prosto z toru! Nasz model autonomiczny z sukcesem zamknął pełne okrążenie bez wypadnięcia z trasy, osiągając stabilny czas 2:20. To nasz pierwszy, niezwykle ważny punkt odniesienia, który udowadnia, że nasza początkowa koncepcja działa w praktyce.

Nie zamierzamy jednak na tym poprzestać. Aby urwać kolejne sekundy z czasu okrążenia, wdrażamy nową strategię: równoległe trenowanie modelu na kilku komputerach jednocześnie. Ta rozproszona moc obliczeniowa pozwoli nam znacznie szybciej testować i optymalizować parametry jazdy.

Intensywnie wykorzystujemy modele IBM Granite do gromadzenia nowych pomysłów, burzy mózgów oraz szukania nieszablonowych rozwiązań w kodzie.

Równolegle z pracami nad sztuczną inteligencją, skupiliśmy się na naszej tożsamości wizualnej. Powstał już wstępny projekt malowania naszego bolidu! Chcemy mieć pewność, że APEX DYNAMICS będzie nie tylko szybki, ale i dumnie będzie reprezentował barwy WMiIT na torze. Prace nabierają tempa!

Zgłosiliśmy się i zostaliśmy zarejestrowani w konkursie pod nazwą APEX DYNAMICS! Jako drużyna z Wydziału Matematyki i Informatyki Technicznej Politechniki Lubelskiej jesteśmy gotowi do działania. Rozpoczynamy naszą przygodę z wyścigami AI i stawiamy pierwsze kroki w tej rywalizacji. Kolejnym etapem będzie szczegółowe zapoznanie się ze środowiskiem wyścigowym, a równolegle podejmujemy pierwsze prace nad naszymi rozwiązaniami.

Pomału obieramy kierunek naszych działań i doprecyzowujemy koncepcję pracy zespołu. Nasze podejście opiera się na haśle „Dwa Mózgi Zamiast Jednego”. Zakładamy połączenie dwóch ról: „Kierowcy Wyścigowego” oraz „Inżyniera Wyścigowego”. Takie podejście pozwoli nam lepiej analizować sytuację i podejmować trafniejsze decyzje. Konsekwentnie rozwijamy tę koncepcję w ramach przygotowań do AI Racing League.

Spotkaliśmy się na pierwszym spotkaniu zespołu, podczas którego opiekun programu IBM SkillsBuild przedstawił koncepcję zawodów. Spotkanie było bardzo owocne – pojawiło się wiele pytań i cennych dyskusji. Dzięki uzyskanym odpowiedziom lepiej zrozumieliśmy zasady oraz środowisko rywalizacji. Pozwoliło nam to uporządkować dalsze działania i kierunki pracy.
Jesteśmy więc gotowi, aby podjąć wyzwanie w AI Racing League!