面向电子游戏中非玩家角色的交互式训练
机器学习
2019-06-04 v1 人工智能
摘要
电子游戏中对高质量非玩家角色（NPC）的需求很高。手工编写其行为是一项劳动密集且易出错的工程过程，且提供给游戏设计师的控制有限。我们提出通过在目标环境中使用带人在回路的模仿学习来训练智能体，从而交互式地创建此类 NPC 行为。虽然传统的行为克隆可能达不到期望的性能，但我们表明，交互性可以用适度的人力投入大幅改善性能。我们训练的模型是马尔可夫模型的多分辨率集成，其可直接使用，也可进一步“压缩”为更紧凑的模型以在消费级设备上推理。我们在 OpenAI Gym 的一个示例中说明了我们的方法，其中人类仅需少量交互式演示即可帮助快速训练智能体。我们还概述了针对一款正在开发中的第一人称射击游戏的 NPC 训练实验。
引用
@article{arxiv.1906.00535,
title = {Towards Interactive Training of Non-Player Characters in Video Games},
author = {Igor Borovikov and Jesse Harder and Michael Sadovsky and Ahmad Beirami},
journal= {arXiv preprint arXiv:1906.00535},
year = {2019}
}
备注
presented at 2019 ICML Workshop on Human in the Loop Learning (HILL 2019), Long Beach, USA