什麼機器學習算法適合射擊籃球？

Question

我們製作的機器人可以將籃球投籃。

從圖像和我們的攝像機的角度和目標的尺寸（各項指標均塗有逆反射帶），我們知道的知識，我們是多麼的遙遠，X和Y（距離爲Z，更多或更少）

此被送入的機器學習算法，該算法應吐出

1. 速度被髮送到佳能
2. 水平傾斜
3. 垂直傾斜

這是一種什麼樣的機器學習算法，你將如何訓練它？

Answer 1

我會推薦強化學習方法。它會很慢;所以也許你可以用你自己的估計（基礎物理）初始化解決方案，並通過強化學習來完善它。

Answer 2

機器學習可能不適合此任務。至少，不是本身。使用物理。你應該能夠從第一學期的物理教科書中得到一個粗略的公式，儘管你需要決定你是瞄準中間還是後面的板子。

你的物理公式應該告訴你使用的角度和力，但是你的系統模型會有一些不準確的地方。不同的球可能具有不同的質量，並且您可能不想明確說明空氣阻力等等。根據先前拍攝的距離有多大，可以通過偏移量空間進行搜索。 Mencel說，搜索方法的選擇取決於你 - 模擬退火可以很好地工作。

這裏可能用於機器學習的一個可能用途是記住和推斷這些偏移量。函數逼近器（如神經網絡）可以用來從經驗中學習偏移量。一旦您的搜索方法成功將球放入籃框中，將其用作訓練示例，以便學習從物理模型所使用的映射到導致射擊的偏移。然後，對於下一個鏡頭（來自任何位置），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，請重複搜索，直到找到正確的偏移。更新函數近似器，沖洗並重復。另外，如果你的函數逼近器初始化時最初總是說不應用偏移，那麼它可能是有益的，畢竟，最好的首次猜測應該是使用物理模型告訴你使用的東西。