Skip to content

改进训练代码算法 - #3720

Merged
donghaiwang merged 1 commit into
OpenHUTB:mainfrom
explorer1009:drone_233
Dec 18, 2025
Merged

donghaiwang merged 1 commit into
OpenHUTB:mainfrom
explorer1009:drone_233

Conversation

@explorer1009

Copy link
Copy Markdown
Contributor

修改概述:

  1. 引入动态线性学习率 :废弃了之前恒定不变的 0.0003 学习率,自定义了线性衰减调度器,使学习率随训练进度从初始值逐渐降至 0,实现了训练初期“大步流星”快速探索与后期“精雕细琢”稳定收敛的最佳平衡。
  2. 增强神经网络架构:针对视觉与雷达数据的复杂性,通过 policy_kwargs 将 PPO 算法默认的 [64, 64] 小型网络扩容为 [256, 256] 的深层宽网络,显著提升了模型提取空间特征和融合多模态数据的能力即“脑容量”变大了。
  3. 增加熵系数激励:将熵系数从默认的 0 调整为 0.01,在损失函数中引入对策略随机性的奖励,强迫模型在训练初期保持“好奇心”尝试不同动作,有效防止模型过早收敛于局部最优解(如为了不扣分而原地打转)。
  4. PPO 核心超参数调优:针对仿真环境特性优化了核心参数,将 batch_size 增大至 256 以利用 GPU 并平滑梯度,将 n_steps 设为 2048 以增加单次更新的轨迹长度,配合 gamma=0.99 和 gae_lambda=0.95,确保模型能更准确地评估长远收益。
  5. 标准化环境封装与监控 :引入了 Stable Baselines3 标准的 DummyVecEnv 和 VecMonitor 包装器

经过了什么样的测试?

  1. 操作系统 win11
  2. Python版本等 python3.11

运行效果

66655.mp4
6666

@donghaiwang
donghaiwang merged commit 96d4ce9 into OpenHUTB:main Dec 18, 2025
1 check passed
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

2 participants