利用深度强化学习在《任天堂明星大乱斗》中击败世界顶尖玩家
机器学习
2017-05-09 v3 人工智能
摘要
近期，游戏人工智能的能力出现了爆发式增长。从 Atari 游戏到运动控制再到棋盘游戏，许多类别的强化学习任务如今已能通过基于深度学习的相当通用的算法来解决，这些算法从经验中学习，仅需极少关于特定感兴趣领域的先验知识。在本研究中，我们将探讨这些方法在热门主机格斗游戏 Super Smash Bros. Melee (SSBM) 中的表现。SSBM 环境具有复杂的动力学与部分可观测性，对人类和机器而言均极具挑战性。其多人游戏特性带来了额外的挑战，因为近期强化学习领域的绝大多数进展均聚焦于单智能体环境。尽管如此，我们将表明，训练出能与人类职业选手抗衡甚至超越他们的智能体是可能的，这在多人电子游戏场景中是一项新成果。
引用
@article{arxiv.1702.06230,
title = {Beating the World's Best at Super Smash Bros. with Deep Reinforcement Learning},
author = {Vlad Firoiu and William F. Whitney and Joshua B. Tenenbaum},
journal= {arXiv preprint arXiv:1702.06230},
year = {2017}
}