STAGE 01 / PROJECT BRIEF
先写清楚:你希望AI学会什么?
一个可训练的项目必须有明确输入、输出和可测量的成功标准。
01
MODEL INPUT / 输入飞行状态
高度、垂直速度、柱子距离、缺口中心。
MODEL OUTPUT / 输出是否扇动
0 = 不扇;1 = 扇动翅膀。
EVIDENCE / 证据多局测试
看平均成绩,而不是挑最好的一局。
STAGE 02 / HUMAN DEMONSTRATION
你先飞,浏览器负责记录
点击、按空格或触摸画布让小鸟扇动。程序会先记录你做决定前看到的状态,再执行扇动。
02
当前状态高度 — · 速度 — · 柱距 —
→你的标签等待操作
STAGE 03 / DATA LAB
不要急着训练,先看看数据在说什么
原始数据永远保留;清洗操作只生成新的数据版本。
03
正在检查数据质量
完成采集后,这里会告诉你数据能不能训练。
原始数据预览
| 局 | 步 | 高度 | 速度 | 柱距 | 缺口中心 | 动作 |
|---|
TRAIN70%按完整游戏局划分
VALIDATION15%选择训练参数
TEST15%最后一次离线检查
STAGE 04 / MODEL DESIGN
选择你的模型能看见什么
这里只训练使用你自己采集并清洗的数据的逻辑回归模型,不再使用人工规则或系统演示数据。
04
逻辑回归
模型只从你的飞行示范中学习每个特征的权重,输出“应该扇动”的概率。
p(扇动)=sigmoid(w·x+b)
STAGE 05 / TRAINING CENTER
让损失下降,但不要只盯着训练成绩
训练会在浏览器中完成;在线页面优先使用后台线程,直接打开本地 HTML 时自动使用兼容模式。每次训练都保存为独立版本。
05
训练损失验证损失
模型版本
还没有保存的模型。
STAGE 06 / EVALUATION
把你的数据模型放回天空
选择一个使用学生数据训练的模型,观察它的概率判断,再进入陌生地图测试。
06
ONLY YOUR DATA
这里只测试你的模型
模型使用你采集和清洗的飞行数据学习权重。系统不会提供人工规则,也不会使用演示模型。
你的数据 → 学习权重 → 扇动概率 → 飞行动作训练并选择一个模型后,就能把它放回天空。
学生模型选择模型后开始测试。
等待测试
控制器看到高度 — · 速度 — · 柱距 —
→怎样判断等待测试
→最终动作—
平均通过—
达标率—
最好成绩—
撞击分布—
FAILURE ANALYSIS
一个代表性失败瞬间
测试完成后,系统会展示模型撞击前看到的状态与决策。
自动失败诊断
完成测试后,这里会从数据量、特征、训练曲线和撞击位置分析失败原因。
STAGE 07 / PROJECT REPORT
把一次训练,写成别人可以复现的项目
报告会整理项目数据和模型配置;研究结论仍需要你自己完成。
07