隨着人工智能技術的興起，掀起了無人駕駛行業的熱潮，國內外無論高校、海鷗學車還是科研院所都投入了巨大的人力物力進行相關技術的研發。博主在閱讀文獻和看車企、ADAS公司產品介紹時，常會出現很多專業名稱縮寫，包括一些車型配置單中也常提起，下面就概括性地進行介紹，對剛入智能駕駛領域的童鞋們進行科普。
人工智能20行代碼構建瀏覽器中自動駕駛的tensorflow強化學習環境，（趣說人工智能版權）Metacar瀏覽器中自駕車的強化學習環境。
Metacar是在瀏覽器中運行的自主車輛的2D強化學習環境。該項目旨在通過解決有趣的問題讓每個人更容易接受強化學習。Metacar帶有一組預定義的級別，其中一些難以解決。更多級別和可能的場景將很快添加（行人，自行車...）。此外，圖書館讓您創建自己的關卡並個性化環境以創建您想要的場景。如果您想成爲項目的一部分，無論是在環境中實現功能還是演示算法，都可以隨時加入閒散頻道，提出問題並討論所有您的夢幻想法！要開始使用metacar進行開發，請查看文檔和API參考，你也可以看看在線演示。
用法實例：const env = new metacar.env("canvas", metacar.level.fullCity);
env.load();
通過閱讀文檔瞭解如何從metacar開始。
查看使用metacar創建的算法示例
Q表學習 在這個例子中，目標是演示一個使用metacar環境的強化學習算法的簡單工作示例。您可以查看 演示或查看中級教程。
策略蒙特卡羅這是一個基於蒙特卡羅探索的策略梯度算法的示例。神經網絡是使用tensorflow.js構建的。看看演示。 完全控制，這個級別還沒有解決（正在工作）。但是，您可以通過解決問題並共享您的實施來爲項目做出貢獻！
創建你自己的關卡！Metacar讓你使用編輯器編輯自己的關卡。另外，歡迎您對該項目做出貢獻。
入門
安裝Metacar
您可以在您的HTML文件中直接鏈接Metacar，或從NPM安裝它。但是，metacar基於Pixi.js：4.7.1，因此您需要在您的HTML中包含pixi.js作爲全局依賴項。