多智能体双向协调网络：在学会玩星际争霸战斗游戏中涌现人类水平协调
人工智能
2017-09-15 v4 机器学习
摘要
许多人工智能（AI）应用通常需要多个智能体协同工作。智能体间通信与协调的高效学习是迈向通用AI不可或缺的一步。在本文中，我们将星际争霸战斗游戏作为案例研究，其任务是协调多个智能体作为团队击败敌人。为了保持可扩展且有效的通信协议，我们引入了多智能体双向协调网络（BiCNet ['bIknet]），带有行动者-评论家公式的向量化扩展。我们展示了BiCNet可以处理双方任意数量AI智能体的不同类型战斗。我们的分析表明，在没有任何如人类演示或标记数据等监督的情况下，BiCNet能够学习经验丰富的游戏玩家常用的各类高级协调策略。在我们的实验中，我们在不同场景下针对多个基线评估了我们的方法；它展示了最先进的性能，并具备大规模真实世界应用的潜在价值。
引用
@article{arxiv.1703.10069,
title = {Multiagent Bidirectionally-Coordinated Nets: Emergence of Human-level Coordination in Learning to Play StarCraft Combat Games},
author = {Peng Peng and Ying Wen and Yaodong Yang and Quan Yuan and Zhenkun Tang and Haitao Long and Jun Wang},
journal= {arXiv preprint arXiv:1703.10069},
year = {2017}
}
备注
10 pages, 10 figures. Previously as title: "Multiagent Bidirectionally-Coordinated Nets for Learning to Play StarCraft Combat Games", Mar 2017