利用模仿算法学习可信虚拟角色环境的表征
人工智能
2010-12-30 v1
摘要
在电子游戏中，虚拟角色的决策系统通常使用世界的简化表征。为了提升其自主性和可信度，我们希望这些角色能够从人类玩家那里学习这种表征。我们提出使用一种称为增长型神经气体的模型，通过模仿来学习环境的拓扑结构。详细介绍了该模型的实现、我们使用的修改和参数。然后，使用不同的度量标准研究了学习到的表征的质量及其在学习过程中的演变。最后，在结论中给出了增长型神经气体的改进方法，以便为角色模型提供更多信息。
引用
@article{arxiv.1012.6018,
title = {Learning a Representation of a Believable Virtual Character's Environment with an Imitation Algorithm},
author = {Fabien Tencé and Cédric Buche and Pierre De Loor and Olivier Marc},
journal= {arXiv preprint arXiv:1012.6018},
year = {2010}
}