【标题】Creating Pro-Level AI for a Real-Time Fighting Game Using Deep Reinforcement Learning

【作者团队】Inseok Oh, Seungeun Rho, Sangbin Moon, Seongho Son, Hyoil Lee, Jinyun Chung

【研究团队】 NCSOFT, 韩国

【论文链接】https://ieeexplore.ieee.org/abstract/document/9314886

【发表时间】2021.01.06

【推荐理由】实时搏斗游戏具有以下难点：过大的动作空间、动作依赖以及不完全信息。本文克服了上述挑战，并提出了一个包括了自动对战特性和数据略过技术的RL方法。通过自我对战经验，可得出三种不同形式的智能体并与对方对战。本文通过多样化对手池来改善自我对战算法，并且提出的数据略过技术可增加数据效率并帮助过大空间中的探索。经过与2018年B&S世界冠军赛中最好的职业选手对战，实验表明，本文的AI智能体赢得了7场比赛中的3场。并且，本文提出的训练算法可应用于其他搏斗游戏中。

B&S是一种商业性质的多玩家在线角色搏斗游戏，它支持两玩家之间的零和博弈——BABs。在BAB中，智能体需要应对如下挑战：1. 过大的动作空间和状态空间；2. 技能之间带来的依赖性；3. 不完全的信息及环境反馈。作者设计出一种新的多种智能体的自我对战技能，可使得智能体更加善于应对不同的对手；通过奖励塑造来多样化智能体的对战方式，如激进型、防守型和平衡型智能体；同时，作者还开发出了带有数据略过方法的探索方式，这种技巧可被应用于任何二玩家实时对战游戏。

内容中包含的图片若涉及版权问题，请及时与我们联系删除