一种基于零和博弈的奖励函数用以加快目标跟踪算法收敛，做到策略自适应不同场景
传统的目标跟踪算法存在难以鲁棒跟踪、迁移效果不理想等问题，而深度强化学习的高学习探索能力可以适应复杂多变的环境，做到一种策略适应不同的场景。难以收敛是深度强化学习算法目前存在的最大问题之一，针对此问题，团队提出一种基于零和博弈的奖励函数用以加快算法收敛，并将其部署到大疆Robomaster EP平台，验证其算法效果。
算法名称
| 基于深度强化学习的目标跟踪
|
算法接口
| python test.py
|
输入
| 跟踪器数量、目标数量、环境模型
|
输出
| 基于不同智能体跟踪策略
|
依赖库
| python3.6，pytorch1.2，opencv-python3.4
|
参考资源
| End-to-end Active Object Tracking and Its Real-world Deployment via Reinforcement
|
Gitlab链接：STR· GitLab (crowdhmt.com)
