我正在开发一个游戏 AI，它试图掌握赛车模拟。我已经在我玩游戏的游戏画面上训练了一个 CNN (AlexNet)，并将按键作为目标。

这个设置有两个主要问题：

1. 从速度计中提取当前速度，以便将其提供给 AI。这个问题已经在这里解决了。

2. 在测试过程中，我注意到AI无法在笔直的道路上进行小幅调整，并且经常偷工减料。

我很确定第二个问题是由游戏处理按键二进制（例如“a”按下 -> 100% 左转）引起的。人工智能无法做出精确的动作。

为了解决这个问题，我想模拟一个精确控制游戏的操纵杆。使用pygame，我已经设法将我的控制器输入捕获为训练数据。
控制器有两个轴，一个用于转动，另一个用于油门/制动。两个轴都可以具有介于 -1 和 1 之间的任何值：

Axis 0: Value -1 -> 100% left
        Value +1 -> 100% right

Axis 1: Value -1 -> full break
        Value +1 -> full throttle

我的目标是训练 AlexNet 在给定当前速度和捕获的帧的情况下输出模拟原始轴值，并将其预测输入到操纵杆模拟器中。

我在 GitHub 上发现有人尝试了类似的方法，即使在修改后的 AlexNet 上也无法取得好的结果。因此，我想知道是否甚至可以修改 CNN 以输出模拟值，而不是将其用作图像分类器。

我的问题是是否值得花精力编辑 AlexNet，而不是使用完全不同的模型。

我在网上找到了一些模型，比如NVIDIA End-to-End Self Driving 模型，遗憾的是它只控制转向角度，似乎是为低速休闲驾驶而设计的。