https://www.youtube.com/watch?v=nF4FxCTq6-Y
原视频：AI Learns to Fly in Trackmania
原作者：Yosh
发布日期：2026-10-26
视频链接：https://www.youtube.com/watch?v=nF4FxCTq6-Y
✨ 想看英文原声？请关注 @英文白斑马
00:00 挑战A12飞行捷径
A12是《Trackmania》中最早的地图之一，表面普通，却因玩家发现利用游戏漏洞直接飞向终点而改变。大量玩家持续压榨该图纪录，作者则准备让自己多年开发的AI亲自尝试，看它能否挑战世界纪录。
00:45 强化学习与人类示范
AI通过强化学习训练：神经网络接收游戏画面与状态，输出驾驶动作，并依据朝检查点推进的速度获得奖励。从零开始随机探索很难重新发现A12这种由多个漏洞组成、人类花了五年才找到的飞行捷径，因此作者收集人类最快的一百次成绩，用高手轨迹帮助AI进入正确学习区域。
02:34 首次完成捷径
训练要求AI保持在人类高手常用的轨迹走廊内，偏离便无法获得奖励，并从捷径附近的多个位置反复练习。AI逐渐学会触发第一个漏洞、以正确角度让车翘起并越过墙体。由于训练中也从终点附近随机起步，它早已熟悉末段，最终第一次完整完成飞行捷径。
04:15 发现Uber Bug
AI越过墙体后不断尝试不同飞行方式，并在撞墙瞬间偶然获得巨大加速，找到人类用于飞行的Uber bug。起初触发的加速过强且难以落地，但经过数小时练习，它逐渐掌握更小、更可控的加速和空中姿态，最终达到世界前一百名玩家的水平，具备挑战人类的基础。
05:28 随机扰动防止死记
A12捷径结果极不稳定，即使操作正确，关键漏洞也很少触发。AI可能记住一次最佳输入并在确定性的游戏中无限复现，却无法适应变化。作者因此在每次尝试的首个动作中加入随机扰动，迫使AI持续调整驾驶；虽然失败率上升，但随着训练推进也产生了许多成功飞行。
06:40 发展多元飞行技巧
由于每次离开赛道的方式不同，AI必须不断适应新情况，发展出倒车、倒挂、用车头着地等多种抵达终点的技能，还重新发现了利用漏洞在草地高速转弯的bug slide。在一次Uber bug导致速度过高时，它甚至通过空中控制加速度擦到屋顶，避免飞出边界。经过两百小时训练，AI首次跑进十二秒以内。
08:07 人类极限纪录压力
进入十二秒内意味着真正加入A12顶尖竞争。该捷径几乎没有理论上限，吸引大量玩家长期投入，有人每天只练这张图，并形成专门交流想法和进展的社区。玩家logic据称投入超过两千五百小时，在一年前创造传奇世界纪录，这让作者怀疑AI是否仍有机会。
09:17 等待完美飞行
AI继续取得少量十二秒以内成绩，但进步明显变慢。更快成绩基本依赖一次方向完美的Uber bug，以及随后足够好的反应并直接落入终点。观察数千次尝试后可见，这种完美飞行极其罕见。
09:50 冻结网络刷尝试
完美飞行不仅需要正确角度，还需要匹配速度。AI曾遇到条件完全重合的一次尝试，却因难以落地而失败。此时它的技术已经成熟，继续改变策略意义不大，关键变成增加尝试次数。作者停止更新神经网络，把算力集中用于每小时执行更多次尝试，等待幸运的一跳。
10:53 两百万次尝试破纪录
作者观察到许多怪异但有创造力的尝试，也感受到A12最吸引人的地方：每次重新开赛都可能只差一次幸运跳跃。AI多次逼近纪录，并完成若干次直接飞向终点的成绩；尝试次数超过一百万后，它几乎从所有可想象的方向探索了捷径极限，却仍未能击败logic。随着成绩不断逼近，在超过两百万次尝试后，AI终于跑出10分36秒（字幕原文为ten thirty six），打破logic的纪录。
13:06 AI自适应与TAS区别
AI的成绩并不等于地图的理论极限。近年的工具辅助速通表明，利用《Trackmania》的确定性迭代优化同一串输入，理论上可以把成绩推得更远。但本项目目标不是制作单
使用YouDub AI翻译配音制作
项目地址：https://github.com/liuzhao1225/YouDub-webui
