Self-Parking Car Evolution遺伝的アルゴリズムのデモがブラウザ上で自律走行する仮想の自走停車車両を進化させる。

5.0 (4)

レビュー: Daniel Nikulshyn·更新 2026年7月

Neural Networks Research Open Source Educational Browser-Based Genetic Algorithm Simulation

概要

Self-Parking Car Evolutionは、遺伝的アルゴリズムを使用して2Dの仮想環境で自走停車車両を訓練するオープン教育プロジェクトです。各車は、小さなニューラルネットワークによって制御され、その重みはゲノムとしてエンコードされ、次の世代は、目標の停車場までの距離に基づいて、良くないパフォーマンスを示した車両がフィルタリングされて、より強いドライバーのパラメータが引き継がれるように、選択され、変異します。これは、演算計算、適応度関数、および現れ現れない行動ではなく、運転を停止するための完全な実用的な自動運転システムの代わりに、エボルブジョンの実演として機能します。このシミュレーションは、その特性でユーザーがPopulationの改善を監視できるように、ブラウザで実行されます。開発者、学生、アイトレーナーは、遺伝的アルゴリズムの実践におけるゲノムの機能、パラメータを調整、それを他の制御問題に適応させることを学ぶために、ソースコードを探索できます。

主な機能

遺伝的アルゴリズムベースのトレーニングループ
2D停車場シミュレーション環境
ニューラルネットワークによる自動車制御
コンフィグレーション能力がある人口および変異パラメーター
実行中の車輌の生成のライブ視覚化
オープンソースコードベースへの実験

料金

モデル: Freemium
カテゴリー: Computer Vision
評価: 5.0 / 5 (4)

ユースケース

遺伝的アルゴリズムを視覚的に学ぶ

学生とセルファーは、実時間で車輌の集団が進化するのを観察して、選択、変異、および適応度関数の理解を構築します。

教室用の演習教材

講師は、ニューロエボルブジョン、現れ現れない行動、または報酬型学習スタイルの概念の紹介時に、実現時としての生インストラクショナルツールとして、インブラウザシミュレーションを使用できます。

ハイパーパラメータの實験

開発者は、人口サイズ、変異率、およびネットワーク重みを調整して、収束速度と停車成功率にどのように影響するかを研究します。

ニューロエボルブジョン用のアクセントプロジェクト

アマチュアと研究者は、オープンソースコードベースをforkして、ゲノムの実験やシミュレーション環境を構築するための基礎として使用できます。

メリット & デメリット

メリット

遺伝的アルゴリズムの明確な視覚的デモ
セッタップせずにブラウザで動作
オープンソースで教育的な
進化AIの基本的な入口

デメリット

おもちゃの停車場シナリオまで
実用的な自動運転には対応しません
収束速度が遅い可能性があります
拡張にはプログラミングの知識が必要です

レビュー

5.0

4件の評価の平均。

レビューを投稿するにはログインしてください。

Sanjay Gupta

May 2, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: neural network car controllers and clear, visual demonstration of genetic algorithms. Where it lags: training can be slow to converge. On balance the feature set — especially genetic algorithm-based training loop — justifies the 5 stars for our use case.

Wei Chen

Mar 20, 2026

Does the job

Pretty happy overall. Open-source codebase for experimentation just works and clear, visual demonstration of genetic algorithms. but no dealbreakers — I'd recommend it to a friend without hesitating.

Tomáš Novák

Feb 8, 2026

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on 2D parking simulation environment, and clear, visual demonstration of genetic algorithms caught me off guard. still, I'd recommend giving it a real trial.

Omar Haddad

Jan 14, 2026

Solid for our team

We rolled this out across the team last quarter and clear, visual demonstration of genetic algorithms. Neural network car controllers fits neatly into how we already work, and 2D parking simulation environment removed a step we used to do by hand. but it has held up under daily use.