通过像素输入的神经进化学习黑暗之魂战斗
人工智能
2025-07-08 v1
摘要
本文研究了增强拓扑神经进化在自动化《黑暗之魂》游戏玩法中的应用，这是一款以复杂战斗机制、动态环境和高维视觉输入而闻名的极具挑战性的动作角色扮演游戏。与传统的强化学习或游戏玩法方法不同，我们的方法直接从原始像素数据进化神经网络，规避了对显式游戏状态信息的需求。为了促进这种方法，我们引入了Dark Souls API（DSAPI），这是一个新颖的Python框架，利用实时计算机视觉技术来提取关键游戏指标，包括玩家和敌人的生命状态。使用增强拓扑神经进化，智能体进化出有效的战斗策略来击败游戏中的初始Boss“离群恶魔”，无需预定义行为或领域特定启发式方法。实验结果表明，进化的智能体实现了高达35%的成功率，表明神经进化在处理复杂、视觉复杂的游戏场景方面的可行性。这项工作代表了基于视觉的神经进化的一个有趣应用，突显了其在缺乏直接API支持或良好定义状态表示的广泛具有挑战性的游戏环境中的潜在用途。
引用
@article{arxiv.2507.03793,
title = {Learning Dark Souls Combat Through Pixel Input With Neuroevolution},
author = {Jim O'Connor and Gary B. Parker and Mustafa Bugti},
journal= {arXiv preprint arXiv:2507.03793},
year = {2025}
}
备注
IEEE Conference on Games 2025