PyTAG：用于多智能体强化学习的桌面游戏
人工智能
2024-05-29 v1
摘要
现代桌面游戏为多智能体强化学习提出了各种有趣的挑战。在本文中，我们介绍了 PyTAG，这是一个新框架，支持与 Tabletop Games 框架中实现的大量游戏进行交互。在这项工作中，我们从游戏智能体的角度强调了桌面游戏带来的挑战，以及它们为未来研究提供的机会。此外，我们还强调了在这些游戏上训练强化学习智能体所涉及的技术挑战。为了探索 PyTAG 提供的多智能体设置，我们使用自我对弈在部分游戏子集上训练了流行的近端策略优化强化学习算法，并评估了训练好的策略与一些简单智能体以及 Tabletop Games 框架中实现的蒙特卡洛树搜索的表现。
引用
@article{arxiv.2405.18123,
title = {PyTAG: Tabletop Games for Multi-Agent Reinforcement Learning},
author = {Martin Balla and George E. M. Long and James Goodman and Raluca D. Gaina and Diego Perez-Liebana},
journal= {arXiv preprint arXiv:2405.18123},
year = {2024}
}