通过动作表示面向具有大规模动作空间的现代卡牌游戏
人工智能
2022-08-17 v2
摘要
Axie infinity 是一款具有海量动作空间的复杂卡牌游戏。这使得利用通用强化学习（RL）算法解决该挑战十分困难。我们提出一种混合 RL 框架来学习动作表示与游戏策略。为避免在大型可行动作集中评估每个动作，我们的方法在由动作表示确定的固定大小集合中评估动作。我们在样本效率与训练模型的胜率方面将本方法与另外两种基线方法进行比较。我们通过实验表明，本方法在三种方法中取得了总体最佳胜率与最佳样本效率。
引用
@article{arxiv.2206.12700,
title = {Towards Modern Card Games with Large-Scale Action Spaces Through Action Representation},
author = {Zhiyuan Yao and Tianyu Shi and Site Li and Yiting Xie and Yuanyuan Qin and Xiongjie Xie and Huan Lu and Yan Zhang},
journal= {arXiv preprint arXiv:2206.12700},
year = {2022}
}
备注
Accpeted as IEEE CoG2022 proceedings paper