拨开迷雾：基于卷积编解码器的不完全信息博弈中的战斗价值评估

《星际争霸》是最受欢迎的即时战略游戏之一，因其微观单位控制与宏观战略决策而成为人工智能研究的一个引人注目的环境。在本研究中，我们解决一个关于宏观决策的显著问题，即“战争迷雾”，它自然源于对手状态信息总以不完全形式提供这一事实。对于智能体而言，要像人类玩家一样对战，显然在不完全信息下准确预测对手状态将增加其获胜机会。为反映这一事实，我们提出一种卷积编解码器架构，仅基于部分可见且含噪的信息来预测对手单位的潜在数量与位置。为评估所提方法的性能，我们在编解码器输出上训练了一个附加分类器来预测游戏结果（胜或负）。最后，我们设计了一个融合该方法的智能体，并与基于规则的智能体进行模拟对战，以证明有效性与实用性。所有实验均使用来自职业选手的实际游戏回放数据进行。