视频游戏中多智能体强化学习综述
机器学习
2025-09-05 v1
摘要
近期的多智能体强化学习 (MARL) 研究进展已展示出其在现代游戏中的应用潜力。从基础工作开始，逐步走向AlphaStar在星际争霸II和OpenAI Five在Dota 2等里程碑式成就，MARL通过自我对弈、监督学习和深度强化学习等技术，已证明能够在多样化的游戏环境中实现超人类水平的表现。随着其影响力的不断提升，本领域的综合性综述变得日益重要。本文旨在全面审视MARL在从回合制双智能体游戏到包括体育类、第一人称射击 (FPS) 类、实时策略 (RTS) 类和多人在线对战竞技 (MOBA) 类等流行类型在内的实时多智能体视频游戏中的应用。我们进一步分析了MARL在视频游戏中所面临的关键挑战，包括非平稳性、部分可观测性、稀疏奖励、团队协调和可扩展性，并突出了在Rocket League、Minecraft、Quake III Arena、StarCraft II、Dota 2、王者荣耀等游戏中的成功实施案例。本文为视频游戏人工智能系统中的MARL提供了洞见，提出了一种新颖的游戏复杂度估计方法，并提出了未来研究方向，以推动MARL及其在游戏开发中的应用，激发该快速演进领域的进一步创新。
引用
@article{arxiv.2509.03682,
title = {A Comprehensive Review of Multi-Agent Reinforcement Learning in Video Games},
author = {Zhengyang Li and Qijin Ji and Xinghong Ling and Quan Liu},
journal= {arXiv preprint arXiv:2509.03682},
year = {2025}
}
备注
IEEE Transactions on Games, 2025