adams car 教程 正版 非常有用 推荐大家看看

Unity3D赛车资源包

用于交流学习，内有运行视频

unity 汽车控制插件

Car Paint Pro将帮助我们模拟任何类型的金属相关材质逼真的可视化，反光透明涂层，金属片与程序性片状工具，覆盖层，菲涅耳，基底光泽度和漫射，这个着色器主要被推荐用于高端工作站，要求Unity 5.5.0或更高版本。 特征： ▲本Pro Shader是一种具有四层的复合材料：基础漫射层，基础光泽层，反射涂层，覆盖层，菲涅耳层，金属薄片层和透明涂层。该材料允许分别调整这些层中的每一层。 ▲包含四个着色器。普通汽车涂料着色器具有“基础涂料”层和“反射涂层”层。还有一个着色器带有一个额外的“Overlay”图层，这可用于污垢，磨损和贴花。这两层都有透明和不透明的变体。 ▲着色器由不同的图层组成，每一层都有自己的照明和相关设置。 ▲汽车涂料着色器使用地图渲染碎片。为了简化这些地图的创建，该软件包包含一个用于在程序上生成这些地图的工具。

本文构建car-like robot的数学运动模型。可在“混沌无形”免费下载本文PDF

最简单的Unity Car Demo

解决具有连续动作空间的问题是当前强化学习领域的一个研究热点和难点．在处理这类问题时，传统的强化学习算法通常利用先验信息对连续动作空间进行离散化处理，然后再求解最优策略．然而，在很多实际应用中，由于缺乏用于离散化处理的先验信息，算法效果会变差甚至算法失效．针对这类问题，提出了一种最小二乘行动者一评论家方法(1east square actor—critic algorithm，I。SAC)，使用函数逼近器近似表示值函数及策略，利用最小二乘法在线动态求解近似值函数参数及近似策略参数，以近似值函数作为评论家指导近似策略参数的求解．将I。sAc算法用于解决经典的具有连续动作空间的小车平衡杆问题和mountain car问题，并与Cacla(continuous actor-critic learning automaton)算法和eNAC(episodic natural actor—critic)算法进行比较．结果表明，LSAC算法能有效地解决连续动作空间问题，并具有较优的执行性能．

Car

该控制器使您可以创建和控制具有完全可配置的，类似于街机游戏的物理基础车辆。 该控制器不是由带有四个独立轮子的主体（通常不必要地复杂并且容易出现毛刺）组成，而是由单个刚体和球体碰撞器组成，类似于角色控制器。 功能 -简单的一步设置 -控制加速度，速度，漂移，坡度限制，碰撞等 -更改表面参数以创建例如冰，泥等 。-轻巧，非常适合移动游戏 -包括脚本来处理输入，视觉和相机 -没有翻转的风险 -可以用于任何类型的车辆