星际争霸：母巢之战中部分可观测条件下的高层策略选择
机器学习
2018-11-22 v1 机器学习
摘要
我们从强化学习的角度考虑实时战略游戏对抗环境中的高层策略选择问题，其中采取一个动作对应于切换到相应的策略。在此情形下，一个好的策略能成功克制对手当前及可能的未来策略，而这些策略只能利用部分观测进行估计。我们研究是否能在训练时利用完整的游戏状态信息（以辅助预测任务的形式）来提升性能。在星际争霸：母巢之战的 bot 中与强大的社区 bot 进行的实验表明，相对于固定策略基线有显著的胜率提升，并且在使用辅助任务进行学习时获得了令人鼓舞的结果。
引用
@article{arxiv.1811.08568,
title = {High-Level Strategy Selection under Partial Observability in StarCraft: Brood War},
author = {Jonas Gehring and Da Ju and Vegard Mella and Daniel Gant and Nicolas Usunier and Gabriel Synnaeve},
journal= {arXiv preprint arXiv:1811.08568},
year = {2018}
}