LuckyMera：用于构建混合 NetHack 智能体的模块化 AI 框架
机器学习
2025-06-09 v1 人工智能
摘要
过去几十年中，得益于各类主要基于模拟环境与电子游戏的测试床，我们见证了人工智能（AI）的显著发展。其中，roguelike 游戏在环境复杂性与计算成本之间提供了极佳的权衡，使其非常适于测试 AI 智能体的泛化能力。本文提出 LuckyMera，一个围绕 NetHack（一款流行的基于终端的单人 roguelike 电子游戏）构建的灵活、模块化、可扩展且可配置的 AI 框架。该库旨在简化并加速能够成功游玩该游戏的 AI 智能体开发，并为设计游戏策略提供高层接口。LuckyMera 附带一组开箱即用的符号与神经模块（称为“技能”）：这些模块既可以是硬编码行为，也可以是神经强化学习方法，并支持创建组合式混合方案。此外，LuckyMera 提供一组实用特性，以轨迹形式保存其经验以供进一步分析，并将其用作训练神经模块的数据集，且直接对接 NetHack Learning Environment 与 MiniHack。通过实证评估，我们验证了技能实现，并提出了能在完整 NetHack 游戏中达到最先进（SOTA）性能的强基线智能体。LuckyMera 为开源项目，可在 https://github.com/Pervasive-AI-Lab/LuckyMera 获取。
引用
@article{arxiv.2307.08532,
title = {LuckyMera: a Modular AI Framework for Building Hybrid NetHack Agents},
author = {Luigi Quarantiello and Simone Marzeddu and Antonio Guzzi and Vincenzo Lomonaco},
journal= {arXiv preprint arXiv:2307.08532},
year = {2025}
}