StarCraft+：基于对手范式的多智能体算法基准测试
人工智能
2025-12-19 v1
摘要
深度多智能体强化学习（MARL）算法在协同智能领域蓬勃发展，StarCraft 多智能体挑战（SMAC）广泛用于该领域的基准测试。然而，MARL 算法的虚构对手在固定内置 AI 模式下配置和控制，导致评估的多样性和灵活性不足。为此，本文建立了一个多智能体算法-算法环境，命名为 StarCraft II 战场（SC2BA），以对手范式刷新 MARL 算法的基准测试。以 StarCraft 为基础，SC2BA 环境专为算法间对抗设计，兼顾公平性、可用性和可定制性，同时开发了易用的 APyMARL（adversarial PyMARL）库。基于 SC2BA，我们在两种对抗模式下对经典 MARL 算法进行基准测试：双算法配对对抗与多算法混合对抗，前者进行成对算法间的对抗，后者聚焦于算法组中多种行为的对抗。广泛的基准实验揭示了这些算法在有效性、合理性和可扩展性方面存在的启发性观察与问题。SC2BA 环境及其可复现实验已在 GitHub 上发布，我们相信该工作将为 MARL 领域在未来数年里划开新的篇章。
引用
@article{arxiv.2512.16444,
title = {StarCraft+: Benchmarking Multi-agent Algorithms in Adversary Paradigm},
author = {Yadong Li and Tong Zhang and Bo Huang and Zhen Cui},
journal= {arXiv preprint arXiv:2512.16444},
year = {2025}
}
备注
15 pages, 11 figures