规模策略，而非算力：面向可及性强的开源 StarCraft II 基准测试
人工智能
2026-03-10 v1 机器学习
摘要
研究社区缺乏 StarCraft II 完整游戏与其 mini-games 之间的中场。完整游戏的广泛状态-动作空间导致奖励信号稀疏且噪声大，而 mini-games 中的简单智能体已饱和性能。这种复杂度差距阻碍了稳健的课程设计，并阻止研究者在现实计算预算下在 RTS 环境中实验现代强化学习算法。为填补这一差距，我们提出 Two-Bridge Map Suite，这是我们刻意构建的开源基准系列中的第一条入口，旨在位于这两个极端之间。通过禁用资源收集、基地建设和雾霾等经济机制，该环境隔离了两个核心战术技能：长程导航和微型战斗。初步实验表明，智能体在不施加完整游戏计算成本的情况下学会了连贯的机动和交战行为。Two-Bridge 以轻量级、Gym 兼容的包装形式发布在PySC2之上，地图、包装器和参考脚本全部开源，以鼓励广泛采用作为标准基准。
引用
@article{arxiv.2603.06608,
title = {Scaling Strategy, Not Compute: A Stand-Alone, Open-Source StarCraft II Benchmark for Accessible Reinforcement Learning Research},
author = {Sourav Panda and Shreyash Kale and Tanmay Ambadkar and Abhinav Verma and Jonathan Dodge},
journal= {arXiv preprint arXiv:2603.06608},
year = {2026}
}