从实时战略游戏中的有限侦察推断策略
人工智能
2012-10-19 v1 计算机科学与博弈论
机器学习
摘要
在典型的实时战略 (RTS) 游戏中，敌方单位仅在其处于友方单位视野范围内时可见。对对手部署的了解仅限于通过侦察所能观察到的内容。信息是昂贵的，因为专门用于侦察的单位无法用于其他目的，且敌人会抵抗侦察尝试。从可用观测中尽可能多地推断对手当前及未来的策略至关重要。我们提出了一种针对 RTS 游戏《星际争霸》(Starcraft) 中策略的动态贝叶斯网络模型，该模型结合了策略如何与可观测数量相关的生成模型，以及一个用于整合通过侦察获得证据的原则性框架。我们展示了该模型从现实观测中推断游戏未观测方面的能力。
引用
@article{arxiv.1210.4880,
title = {Inferring Strategies from Limited Reconnaissance in Real-time Strategy Games},
author = {Jesse Hostetler and Ethan W. Dereszynski and Thomas G. Dietterich and Alan Fern},
journal= {arXiv preprint arXiv:1210.4880},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence (UAI2012)