用于实时动作策略游戏的深度强化学习智能体
人工智能
2020-02-18 v1
摘要
我们基于 1 对 1 动作策略游戏 Heroic - Magic Duel 构建了一个强化学习环境。该领域具有非平凡性，原因如下：它是实时游戏，状态空间庞大，在比赛前及每一步提供给玩家的信息是不完美的，且动作分布是动态的。我们的主要贡献是一个达到竞技水平的深度强化学习智能体，我们使用 PPO 和多个竞争智能体的自博弈进行训练，仅采用根据单场比赛结果的 简单奖励。我们最佳的自博弈智能体对现有 AI 取得约 的胜率，对顶尖人类玩家取得超过 的胜率。
引用
@article{arxiv.2002.06290,
title = {Deep RL Agent for a Real-Time Action Strategy Game},
author = {Michal Warchalski and Dimitrije Radojevic and Milos Milosevic},
journal= {arXiv preprint arXiv:2002.06290},
year = {2020}
}