PyTAG：桌面游戏强化学习的挑战与机遇
人工智能
2023-07-20 v1
摘要
近年来，游戏 AI 研究利用强化学习（RL）取得了重要突破。尽管如此，针对现代桌面游戏的 RL 几乎未受关注，即便它们相比电子游戏提供了一系列独特挑战。为弥补这一差距，我们引入 PyTAG，一个用于与桌面游戏框架（TAG）交互的 Python API。TAG 包含一组不断增长的 20 余款现代桌面游戏，并为 AI 智能体提供通用 API。我们提出了在这些游戏中训练 RL 智能体的技术，并在部分游戏上训练近端策略优化算法后给出基线结果。最后，我们讨论了复杂现代桌面游戏所带来的独特挑战，这些挑战现已通过 PyTAG 向 RL 研究开放。
引用
@article{arxiv.2307.09905,
title = {PyTAG: Challenges and Opportunities for Reinforcement Learning in Tabletop Games},
author = {Martin Balla and George E. M. Long and Dominik Jeurissen and James Goodman and Raluca D. Gaina and Diego Perez-Liebana},
journal= {arXiv preprint arXiv:2307.09905},
year = {2023}
}
备注
Accepted for Publication in: IEEE Conference on Games (2023)