Battlesnake 挑战赛：一个带人在回路的多智能体强化学习实验平台
人工智能
2020-07-22 v1 机器学习
机器学习
摘要
我们提出 Battlesnake 挑战赛，一个支持人在回路学习（HILL）的多智能体强化学习框架。它基于 Battlesnake 开发，后者是传统贪吃蛇游戏的多玩家扩展，其中 2 条或更多蛇为最终生存而竞争。Battlesnake 挑战赛包含一个用于模型训练的离线模块与一个用于实时竞赛的在线模块。我们为离线多智能体模型训练开发了模拟游戏环境，并确立了一组可注入以改进学习的基线启发式规则。我们的框架与智能体无关且与启发式无关，研究者可设计自己的算法、训练模型，并在在线 Battlesnake 竞赛中展示。我们通过初步实验验证了框架与基线启发式规则。结果表明，采用所提 HILL 方法的智能体持续优于无 HILL 的智能体。此外，奖励操控类启发式规则在在线竞赛中表现最佳。我们在 https://github.com/awslabs/sagemaker-battlesnake-ai 开源了框架。
引用
@article{arxiv.2007.10504,
title = {Battlesnake Challenge: A Multi-agent Reinforcement Learning Playground with Human-in-the-loop},
author = {Jonathan Chung and Anna Luo and Xavier Raffin and Scott Perry},
journal= {arXiv preprint arXiv:2007.10504},
year = {2020}
}