美国军事学院和美国海军学院之间的竞争是大学橄榄球中最持久的竞争之一，可以追溯到1899年的第一场比赛。每年，来自各个学院的橄榄球队都会进行一项比赛，这项比赛已经成为大学体育运动中深受喜爱的传统。这种百年之久的竞争虽然友好，但也很激烈，胜利者可以在这一年里获得炫耀的权利。这个游戏本身就体现了美国军队的内部竞争精神。甚至吉祥物(海军山羊和陆军骡子)也通过互相恶作剧来参与竞争。
AWS DeepRacer陆军与海军竞争概述
延续军种间竞争的传统，陆军和海军参加了首届亚马逊网络服务(AWS) DeepRacer竞赛，这是一个分为两部分的活动，旨在在动态和竞争环境中教授机器学习。陆军和海军的机器学习团队几乎聚集在一起，以制造最快的机器学习自动赛车，并进行战略投资，培训自动驾驶汽车等自动技术方面的人员。
在DeepRacer竞赛中，各团队通过研讨会和实践教程来学习机器学习的基础知识。在此基础上，他们使用Amazon SageMaker开发了自己的模型来训练、测试和微调他们的强化学习模型。在模型经过模拟训练和测试后，决赛选手将模型部署到AWS DeepRacer自动驾驶汽车上，在物理赛道上比赛，从而体验到真实世界中比赛的刺激。
由AWS RoboMakerAWS DeepRacer旨在通过基于云的3d赛车模拟器和由强化学习驱动的1/18比例全自动赛车，提供一种有趣而实际的方式开始机器学习。强化学习是一种先进的机器学习技术，它采用不同的方法来训练模型。这种类型的机器学习依赖于小型汽车通过奖励系统从环境中学习。例如，保持在车道内可以获得奖励，而偏离车道则没有奖励。
36名选手参加了开幕式。来自海军的前七名半决赛选手将在决赛中与来自陆军的前七名进行对决。总决赛是在远程聚集的情况下举行的，AWS deepracer现场工作人员用每个团队训练过的模型准备自动赛车，并向参与者和观众直播。每辆车都装载了个人团队训练的强化学习模型，并在物理赛道上进行了多次计时比赛。每个团队的最佳成绩都被记录下来，并不断更新在积分榜上。近300名粉丝直播了比赛，来自全国各地的虚拟人群欢呼雀跃。
美国陆军通信电子指挥软件工程中心软件开发负责人、陆军指挥与无控制DeepRacer团队成员赛·刘(Sai Liu)表示，他的整个团队都很好奇，想了解更多关于机器学习的知识。虽然目前他帮助维护的系统都没有使用机器学习，但他学到的东西在未来可能会派上用场。
他说:“我认为学习新技术是件好事。”“所以在未来，如果有什么东西可以让我们应用我们的知识，那么我们有一点背景知识可以开始。”
结果
在以7.112秒的成绩获胜后，由海军信息战中心(NIWC Atlantic)的Rob Keisler带领的海军深蓝海洋团队将AWS DeepRacer金杯捧回了家。
凯斯勒说:“这次活动是一次很好的学习经验，也是我们确保海军利用数据和人工智能在作战和商业中取得决策优势的众多方式之一。”
人工智能和机器学习计划在NIWC大西洋继续扩大，包括探索如何通过海军创新科学与工程(NISE)计划将强化学习技术应用于广泛的海军问题，如自主导航、指挥与控制、调度和后勤、自动化和基于状态的维护。
陆军和海军计划继续进行这项比赛，以配合他们长期以来的竞争，并计划在今年12月举行的陆军和海军足球比赛期间举行一场比赛。
在那之前，各种背景和技能水平的人都可以公开参与DeepRacer事件一年到头。
个人还可以在“re:Invent 2020”会议中了解更多关于使用模拟训练强化学习模型的知识。强化学习和机器人”。
要了解有关AWS RoboMaker解决方案的更多信息，请联系AWS机器人技术国防部团队．
