有了这套东西，我们就能自己尝试从零开始训练一个AI司机。
具体怎么做呢？重点来了：
假设这是模拟器里的一条完全笔直的赛道，以及虚拟环境里的Amazon DeepRacer赛车。
我们的目标是让赛车以最短的时间冲刺到终点——那么对于这条赛道而言，最好的选择就是让车尽量沿着中线跑，避免因绕路或出界而导致增加时长。
为此，我们可以把赛道切分成多个网格，然后给这些网格赋予不同的分数：
靠近中间的，给更高的分；在两侧的，稍微意思一下；超出赛道范围的部分属于无效区域，如果碰到，就要从头再来。
开跑之后，一开始，赛车并不知道哪一条是最佳路线，只是在像无头苍蝇一样四处乱撞，很多时候还会冲出赛道。
但后面，随着试错的次数越来越多，在奖励函数的“指挥”下，赛车会逐渐探索出一条能够获得最高累积分数的路线。
理想状况下，一段时间的训练、迭代之后，算法就会学会“直线”最快这条真理。
