美国军事学院与美国海军学院之间的 rivalry（竞争）是大学橄榄球历史上最持久的对抗之一，可追溯至1899年的首场比赛。每年，两所学院的橄榄球队都会进行一场备受喜爱的传统赛事。这场拥有百年历史的竞争虽然充满友好氛围，但竞争激烈，胜者将赢得当年的“口头胜利”荣誉。这场比赛本身体现了美国武装部队各军种间竞争的精神。甚至连吉祥物（海军山羊和陆军骡子）也通过互相恶作剧来参与这场竞争。
AWS DeepRacer 陆军与海军竞赛概述
在 DeepRacer 竞赛中，团队首先通过工作坊和实践教程上手学习，掌握机器学习的基础知识。随后，他们使用 Amazon SageMaker 开发自己的模型，以训练、测试和优化其强化学习模型。在模拟环境中完成模型的训练和测试后，入围决赛的团队通过将模型部署到自主运行的 AWS DeepRacer 赛车上，在实体赛道上进行真实世界的比赛，体验了竞速的刺激。
由AWS RoboMaker提供支持。AWS DeepRacer 旨在通过基于云的3D赛车模拟器以及一辆完全自主的1/18比例赛车（由强化学习驱动），提供有趣且动手实践的方式，帮助初学者入门机器学习。强化学习是一种先进的机器学习技术，采用不同的模型训练方法。这类机器学习依赖小型赛车通过奖励系统从环境中学习。例如，保持在车道内会获得奖励，而偏离车道则不会获得奖励。
共有36名车手参加了首届赛事。海军的前七名半决赛选手将与陆军的前七名选手在决赛中展开对决。决赛期间，车手们远程聚集，而现场的 AWS DeepRacer 维修团队则为每支团队的自主赛车装载已训练好的模型，整个过程向参与者和观众进行了直播。每辆赛车都加载了各自团队训练的强化学习模型，并在实体赛道上进行了多次计时赛。每支团队的最佳成绩被记录并实时更新在排行榜上。来自全国各地的近300名粉丝通过直播观看比赛，虚拟观众席上欢呼声不断。
美国陆军通信电子司令部软件工程中心的软件开发主管、同时也是陆军指挥与控制深潜者（DeepRacer）团队成员的Sai Liu表示，机器学习是他整个团队都渴望深入了解的领域。尽管他目前维护的系统尚未采用机器学习技术，但他所学到的知识将在未来派上用场。
“我认为了解新技术是有益的，”刘说。“因此，未来如果有任何能够让我们应用所学知识的机会，我们就有了初步的背景基础。”
结果
在7.112秒的获胜成绩后，由海军信息战中心（NIWC）大西洋分部Rob Keisler领导的Navy Team DeepBlueSea队捧回了AWS DeepRacer的金色奖杯。
基斯勒表示："此次活动是一次宝贵的学习经历，也是我们将确保海军利用数据和人工智能在作战和商业领域实现决策优势的方式之一。"
大西洋海军武器中心（NIWC Atlantic）的人工智能和机器学习计划持续扩展，通过海军创新科学与工程（NISE）项目，探索如何将强化学习技术应用于广泛的军事问题，如自主导航、指挥与控制、调度与后勤、自动化以及基于状态的维护。
陆军和海军计划延续这一竞争，以符合他们悠久的宿敌传统，并计划在12月的陆海对抗足球赛期间举办相关活动。
在此之前，来自不同背景和技能水平的人都可以参与公开DeepRacer 活动全年。
个人还可以参加 re:Invent 2020 会议中题为“强化学习与机器人”的环节，进一步了解如何使用仿真来训练强化学习模型。