TiKick:从单智能体演示出发迈向多智能体足球完整比赛
人工智能
2021-12-01 v5
摘要
深度强化学习(DRL)已在复杂视频游戏(如星际争霸 II 和 Dota II)上取得超越人类的表现。然而,当前 DRL 系统仍受多智能体协调、稀疏奖励、随机环境等挑战的困扰。为应对这些挑战,我们采用足球视频游戏(如 Google Research Football (GRF))作为测试平台,并开发了一个端到端基于学习的 AI 系统(记为 TiKick)来完成这一挑战性任务。本工作中,我们首先从单智能体专家的自对弈生成大规模回放数据集,这些专家由联赛训练获得。随后我们开发了分布式学习系统与新的离线算法,从固定的单智能体数据集学习一个强大的多智能体 AI。据我们所知,TiKick 是首个可接管多智能体 Google Research Football 完整比赛的基于学习的 AI 系统,而先前工作要么只能控制单个智能体,要么在玩具学术场景上实验。大量实验进一步表明,我们的预训练模型可加速现代多智能体算法的训练过程,且我们的方法在各种学术场景上取得了 state-of-the-art 性能。
引用
@article{arxiv.2110.04507,
title = {TiKick: Towards Playing Multi-agent Football Full Games from Single-agent Demonstrations},
author = {Shiyu Huang and Wenze Chen and Longfei Zhang and Shizhen Xu and Ziyang Li and Fengming Zhu and Deheng Ye and Ting Chen and Jun Zhu},
journal= {arXiv preprint arXiv:2110.04507},
year = {2021}
}