利用深度强化学习为实时格斗游戏创建职业级 AI
人工智能
2020-02-03 v3 机器学习
摘要
近年来，强化学习结合深度神经网络在许多游戏类型中表现极为出色。它已在固定游戏环境和回合制双人棋盘游戏中超越人类水平表现。然而，据我们所知，当前研究尚未在现代复杂格斗游戏中产生超越人类水平表现的结果。这是由于实时格斗游戏固有的困难，包括：巨大的动作空间、动作依赖性和不完美信息。我们克服了这些挑战，并为商业游戏“剑灵（Blade & Soul）”制作了 1v1 战斗 AI 智能体。训练后的智能体与五名职业玩家竞争，取得了 62% 的胜率。本文提出了一种实用的强化学习方法，包括新颖的自对弈课程和数据跳过技术。通过该课程，通过奖励塑形创建了三种不同风格的智能体，并相互训练。此外，本文提出了数据跳过技术，可提高数据效率并促进在巨大空间中的探索。由于我们的方法可普遍应用于所有具有巨大动作空间的两人竞技游戏，我们预期其可应用于包括关卡设计和自动平衡在内的游戏开发。
引用
@article{arxiv.1904.03821,
title = {Creating Pro-Level AI for a Real-Time Fighting Game Using Deep Reinforcement Learning},
author = {Inseok Oh and Seungeun Rho and Sangbin Moon and Seongho Son and Hyoil Lee and Jinyun Chung},
journal= {arXiv preprint arXiv:1904.03821},
year = {2020}
}
备注
8 pages