随着人工智能技术的兴起，掀起了无人驾驶行业的热潮，国内外无论高校、海鸥学车还是科研院所都投入了巨大的人力物力进行相关技术的研发。博主在阅读文献和看车企、ADAS公司产品介绍时，常会出现很多专业名称缩写，包括一些车型配置单中也常提起，下面就概括性地进行介绍，对刚入智能驾驶领域的童鞋们进行科普。
人工智能20行代码构建浏览器中自动驾驶的tensorflow强化学习环境，（趣说人工智能版权）Metacar浏览器中自驾车的强化学习环境。
Metacar是在浏览器中运行的自主车辆的2D强化学习环境。该项目旨在通过解决有趣的问题让每个人更容易接受强化学习。Metacar带有一组预定义的级别，其中一些难以解决。更多级别和可能的场景将很快添加（行人，自行车...）。此外，图书馆让您创建自己的关卡并个性化环境以创建您想要的场景。如果您想成为项目的一部分，无论是在环境中实现功能还是演示算法，都可以随时加入闲散频道，提出问题并讨论所有您的梦幻想法！要开始使用metacar进行开发，请查看文档和API参考，你也可以看看在线演示。
用法实例：const env = new metacar.env("canvas", metacar.level.fullCity);
env.load();
通过阅读文档了解如何从metacar开始。
查看使用metacar创建的算法示例
Q表学习 在这个例子中，目标是演示一个使用metacar环境的强化学习算法的简单工作示例。您可以查看 演示或查看中级教程。
策略蒙特卡罗这是一个基于蒙特卡罗探索的策略梯度算法的示例。神经网络是使用tensorflow.js构建的。看看演示。 完全控制，这个级别还没有解决（正在工作）。但是，您可以通过解决问题并共享您的实施来为项目做出贡献！
创建你自己的关卡！Metacar让你使用编辑器编辑自己的关卡。另外，欢迎您对该项目做出贡献。
入门
安装Metacar
您可以在您的HTML文件中直接链接Metacar，或从NPM安装它。但是，metacar基于Pixi.js：4.7.1，因此您需要在您的HTML中包含pixi.js作为全局依赖项。