DeepCrawl：面向回合制策略游戏的深度强化学习
机器学习
2020-12-04 v1 人工智能
摘要
本文介绍 DeepCrawl，一个可在 iOS 和 Android 上运行的完整可玩 Roguelike 原型，其中所有智能体均由使用深度强化学习（DRL）训练的策略网络控制。我们的目标是了解 DRL 的最新进展是否可用于为电子游戏中的非玩家角色开发令人信服的行为模型。我们首先分析此类 AI 系统为满足视频游戏开发实际适用性应满足的需求，并明确 DeepCrawl 原型中所用 DRL 模型的要素。DeepCrawl 的成功与局限通过最终游戏上的一系列可玩性测试予以记录。我们相信所提出的技术为电子游戏中非玩家角色行为开发的新颖途径提供了见解，因为它们有潜力克服关键问题以及
引用
@article{arxiv.2012.01914,
title = {DeepCrawl: Deep Reinforcement Learning for Turn-based Strategy Games},
author = {Alessandro Sestini and Alexander Kuhnle and Andrew D. Bagdanov},
journal= {arXiv preprint arXiv:2012.01914},
year = {2020}
}
备注
Presented at AIIDE-19 Workshop on Experimental Artificial Intelligence in Games