育碧《Roller Champions》的强化学习智能体
机器学习
2020-12-14 v1 人工智能
摘要
近年来，强化学习（RL）在研究和流行文化中的受欢迎程度与日俱增。然而，关于RL在现代电子游戏开发中的实用性仍存在质疑。在本文中，我们通过实例证明RL可以成为现代非平凡电子游戏中人工智能（AI）设计的绝佳工具。我们展示了用于育碧《Roller Champions》的RL系统，这是一款在椭圆形滑冰竞技场上进行的3v3竞技多人体育游戏。我们的系统旨在跟上敏捷、快节奏的开发，在玩法变更后训练新模型仅需1–4天。这些AI适配了多种游戏模式，包括2v2模式、与机器人训练模式，以及经典游戏模式（在其中它们替代掉线的玩家）。我们观察到AI发展出了复杂的协调策略，并且作为额外好处可辅助游戏平衡。请参阅配套视频 https://vimeo.com/466780171（密码：rollerRWRL2020）获取示例。
引用
@article{arxiv.2012.06031,
title = {Reinforcement Learning Agents for Ubisoft's Roller Champions},
author = {Nancy Iskander and Aurelien Simoni and Eloi Alonso and Maxim Peter},
journal= {arXiv preprint arXiv:2012.06031},
year = {2020}
}
备注
Accepted to the NeurIPS 2020 Challenges of Real-World RL workshop