ELF：一个用于即时战略游戏的广泛、轻量且灵活的研究平台
人工智能
2017-11-13 v2
摘要
在本文中，我们提出了 ELF，一个用于基础强化学习研究的广泛、轻量且灵活的平台。利用 ELF，我们实现了一个高度可定制的即时战略（RTS）引擎，包含三个游戏环境（Mini-RTS、夺旗和塔防）。Mini-RTS 作为 StarCraft 的微型版本，捕捉了关键的游戏动态，并在 Macbook Pro 笔记本上以每核每秒 40,000 帧（FPS）的速度运行。当与现代强化学习方法结合时，该系统可以在一天内使用 6 个 CPU 和 1 个 GPU 端到端地训练出一个对抗内置 AI 的全游戏机器人。此外，我们的平台在环境 - 代理通信拓扑、RL 方法选择、游戏参数变化方面具有灵活性，并可托管现有的基于 C/C++ 的游戏环境（如 Arcade Learning Environment）。利用 ELF，我们彻底探索了训练参数，并表明带有 Leaky ReLU 和 Batch Normalization 的网络，结合长视野训练和渐进式课程，在 Mini-RTS 的全游戏中击败基于规则的内置 AI 的概率超过 。在另外两款游戏中也取得了强劲的性能。在游戏回放中，我们展示了我们的智能体学到了有趣的策略。ELF 及其 RL 平台已开源，地址为 https://github.com/facebookresearch/ELF。
引用
@article{arxiv.1707.01067,
title = {ELF: An Extensive, Lightweight and Flexible Research Platform for Real-time Strategy Games},
author = {Yuandong Tian and Qucheng Gong and Wenling Shang and Yuxin Wu and C. Lawrence Zitnick},
journal= {arXiv preprint arXiv:1707.01067},
year = {2017}
}
备注
NIPS 2017 oral