VizDoom中的行为克隆
机器学习
2024-01-09 v1 人工智能
计算机视觉与模式识别
摘要
本文描述了通过模仿学习（IL），仅使用像素数据作为输入，训练自主智能体玩“Doom 2”游戏的方法。我们还通过比较相机移动和轨迹数据，探索了强化学习（RL）与IL在类人性方面的对比。通过行为克隆，我们检验了个体模型学习不同行为特征的能力。我们尝试模仿具有不同游戏风格的真人玩家行为，并发现我们可以训练出行为具有攻击性、被动性或简单来说比传统AI更像人类的智能体。我们提出了这些为电子游戏中的智能体引入更多深度和类人行为的方法。训练出的IL智能体表现与数据集中的平均玩家水平相当，同时优于最差的玩家。虽然其表现不如常见的RL方法强大，但它为智能体提供了更强的类人行为特征。
引用
@article{arxiv.2401.03993,
title = {Behavioural Cloning in VizDoom},
author = {Ryan Spick and Timothy Bradley and Ayush Raina and Pierluigi Vito Amadori and Guy Moss},
journal= {arXiv preprint arXiv:2401.03993},
year = {2024}
}
备注
13 pages