应用监督与强化学习方法创建基于神经网络的 StarCraft II 智能体
人工智能
2021-09-28 v1
摘要
近期，人们提出了多种为 StarCraft II 或 Dota 2 等复杂实时计算机游戏创建智能体的方法，然而这些方法要么向智能体嵌入了大量专家知识，要么使用了大多数研究人员难以承受的计算资源量。我们提出了一种用于游玩 StarCraft II 完整双人对局的神经网络架构，该架构通过通用监督学习和强化学习进行训练，可在配备单块 GPU 的单台消费级 PC 上进行训练。我们还表明，与游戏内置脚本机器人相比，我们的实现取得了非平凡的性能。除了在单一选定地图上游玩外，我们没有对游戏做任何简化假设，并且仅使用了极少量的专家知识。原则上，我们的方法只需稍作修改即可应用于任何即时战略（RTS）游戏。尽管我们的结果在最终性能上远落后于大规模最先进方法，但我们相信我们的工作可以作为其他小规模实验的坚实基线。
引用
@article{arxiv.2109.12691,
title = {Applying supervised and reinforcement learning methods to create neural-network-based agents for playing StarCraft II},
author = {Michał Opanowicz},
journal= {arXiv preprint arXiv:2109.12691},
year = {2021}
}