熟练经验目录：一种基于强化学习的非玩家角色技能平衡机制
人工智能
2018-11-12 v1
摘要
在本文中，我们介绍了一种用于对抗性非玩家角色（NPC）的技能平衡机制，称为熟练经验目录（SEC）。该机制的目标是实时地将 NPC 的技能水平近似匹配给对手。我们在一个第一人称射击（FPS）游戏的背景下测试了该技术。具体而言，该技术根据 NPC 当前对抗对手的表现来调整其使用武器的熟练度。首先，通过进行一系列训练游戏，以存储的学习策略形式建立经验目录。一旦 NPC 得到充分训练，该目录便充当一条经验时间线，其中的增量知识里程碑以存储的学习策略形式存在。如果 NPC 表现不佳，它可以跳到学习时间线中较晚的阶段，以获得更具信息量的决策能力。同样，如果它表现明显优于对手，则会跳到较早的阶段。NPC 继续使用强化学习实时学习，但其策略会根据当前情况通过加载最合适的里程碑进行调整。
引用
@article{arxiv.1806.07637,
title = {Skilled Experience Catalogue: A Skill-Balancing Mechanism for Non-Player Characters using Reinforcement Learning},
author = {Frank G. Glavin and Michael G. Madden},
journal= {arXiv preprint arXiv:1806.07637},
year = {2018}
}
备注
IEEE Conference on Computational Intelligence and Games (CIG). August 2018