Self-Parking Car Evolution基于遗传算法的演化学演示——让虚拟汽车在浏览器中自己学习停车。

5.0 (4)

审阅者 Daniel Nikulshyn·更新 2026年7月

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

概览

Self-Parking Car Evolution 是一个开放的教育项目，使用遗传算法让模拟车辆在 2D 虚拟环境中学习自行停车。每辆车由一个小型神经网络控制，其权重被编码为基因组，后代通过繁殖、变异并根据其接近目标停车位的程度进行筛选。该仿真完全在浏览器中运行，用户可以观看种群随时间的演化——表现不佳的车辆被筛除，较强的驾驶者将其参数传递下去。它是对进化计算、适应度函数以及涌现行为的直观示例，而非用于生产的自动驾驶系统。开发者、学生和 AI 爱好者可以探索源代码，了解遗传算法在实践中的工作原理，微调参数，或将该方法应用于其他控制问题。

主要功能

基于遗传算法的训练循环
神经网络汽车控制器
2D 停车环境
可配置的代群和突变参数
实时演化的代群可视化
可供实验的开源源代码

价格

模型: Freemium
分类: Computer Vision
评分: 5.0 / 5 (4)

使用场景

图化遗传算法学习

学生和自学的学习者可以实时观察汽车群体演化以构建关于选择、突变和适应度函数的直觉。

演化 AI 课堂演示

指导人员可以把浏览器中的动态演示作为引人学习帮助的使用诸如神经进化、突现行为、或强化学习等概念。

调试超参数

开发者可以调整代群大小、突变率和网络权重以研究如何影响收敛速度和停车成功率的参数。

神经进化的起始项目

业余爱好者和研究人员可以把开源的源代码作为自己搭建实验或模拟环境的基础进行使用。

优点 & 缺点

优点

清晰可见的遗传算法演示
在浏览器中运行，需要无需任何设置
开源和教育用的
进攻性学习演化 AI 概念的起点

缺点

仅限于玩具式停车场景
不适用于现实世界的自动驾驶
训练可能收敛缓慢
需要具备编码知识才能扩展

评测

5.0

4 个评分的平均值。

登录以留下评测。

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.