如何实现神经网络来玩无尽的跑步游戏？

Question

在学习了神经网络的基础知识后，我想创建一个小而独特的项目（比手写数字等更难的项目）。 我选择实现一个无尽的跑步游戏，记录我的动作并使用收集的数据训练一个神经网络。

游戏是这样的：

玩家可以左右移动（箭头），目标是避开小行星。 当玩家按下左箭头时，所有小行星的坐标、玩家位置和左移都会被记录下来。 当玩家按下右箭头时，会发生同样的事情，但“移动”设置为向右。 我在弄清楚如何记录不运动时遇到了问题，所以当我按下向上箭头时，我将其编码为不记录运动（直线）。所以当我不动的时候，我按向上箭头（以中等速度）

最多可以有 20 颗小行星，但我收集了一个较小数据集的数据，看看它是如何工作的。

收集的数据如下所示：

如您在第一行中所见，共有 42 列。 板上所有小行星的 x 坐标的 20 列。 20 列显示板上所有小行星的 y 坐标。 1 列代表玩家的 x 坐标 1 列移动（0 - 左；1 - 右；2 - 直线，无移动）

我收集了 4042 个样本： 还剩 1140 个 1122 对 1780直​​

正如我之前所说，我准备它来处理 20 颗小行星，但我只收集了其中少数的数据，所以其余的列都用零填充。

我用 tensorflow 训练了一个神经网络

data = pd.read_csv('collected_data.csv')
y = data['move']
x = data.drop('move', axis=1)
x_train = x.to_numpy()
y_train = y.to_numpy()

x_train = tf.keras.utils.normalize(x_train, axis=1)

model = tf.keras.Sequential([
    tf.keras.layers.Dense(41,activation='hard_sigmoid',input_shape=x_train[0].shape),
    tf.keras.layers.Dense(41, activation='hard_sigmoid'),
    tf.keras.layers.Dense(41, activation='hard_sigmoid'),
    tf.keras.layers.Dense(3,activation='hard_sigmoid')
])
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy'])

model.fit(x_train, y_train, epochs=10)

model.save('model.h5')

结果：

我的模型根本不适合。当我运行游戏时，宇宙飞船根本不动，总是选择直行。我尝试了不同的神经网络架构，更多的层，更少的层等，但它几乎不会改变结果。我没有足够的数据吗？数据太复杂？我选错型号了吗？ 我将不胜感激任何建议。谢谢！

Answer 1

好的，谢谢。我将尝试通过强化学习来做到这一点。