通用视频游戏中基于蒙特卡罗树搜索的实时增强技术
人工智能
2024-07-04 v1
摘要
通用视频游戏玩法 (GVGP) 是人工智能的一个领域，专注于代理人玩一系列未知的实时视频游戏。这限制了使用领域特定启发式方法的可能性。蒙特卡罗树搜索 (MCTS) 是一种用于游戏玩法的搜索技术，不依赖于领域特定知识。本文讨论了 GVGP 中 MCTS 的八种增强技术：渐进式历史、N 元agram 选择技术、树状结构复用、广度优先树初始化、损失规避、新颖性剔除、知识驱动的评估以及确定性游戏检测。其中一些来自现有文献，被扩展或在 GVGP 语境中引入；还有一些是 MCTS 的新颖增强技术。大多数增强技术在单独应用时都能显著提高胜率。当这些技术组合应用时，平均胜率从 31.0% 提升至 48.4%，超过 60 种不同的游戏，接近 2015 年 GVG-AI 竞赛中最佳智能体的水平。
引用
@article{arxiv.2407.03049,
title = {Enhancements for Real-Time Monte-Carlo Tree Search in General Video Game Playing},
author = {Dennis J. N. J. Soemers and Chiara F. Sironi and Torsten Schuster and Mark H. M. Winands},
journal= {arXiv preprint arXiv:2407.03049},
year = {2024}
}
备注
Green Open Access version of conference paper published in 2016