按年被提到
20162016 · 2 次2026
强化学习与智能体›博弈与游戏 AI·arXiv:1609.02993 · cs.AI

Episodic Exploration for Deep Deterministic Policies: An Application to StarCraft Micromanagement Tasks

深度确定性策略的回合式探索:在星际争霸微操任务上的应用
Nicolas Usunier, Gabriel Synnaeve, Zeming Lin, Soumith Chintala · 2016

以星际争霸微操为强化学习基准,提出确定性策略的回合式探索算法

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2016-09-14 · 最近 2017-08-12
3不同的人
3活跃月份
3讨论串
116被引(OpenAlex)

把即时战略游戏星际争霸中的战斗微操场景作为强化学习的新基准,状态-动作空间很大,也没有明显的特征表示。作者用深度神经网络从游戏引擎的原始状态特征直接得到控制器,并提出把策略空间中的直接探索与反向传播结合的启发式算法,用确定性策略收集轨迹,比 ε-greedy 探索高效得多。实验显示在多达 15 个单位的对战中学到了非平凡策略,而 Q-learning 和 REINFORCE 都表现不佳。

HN 为什么提它

讨论星际争霸 AI 时,评论者把它当作 Facebook 早期的 StarCraft 研究,并推荐去看这类论文。

方法难度 3 / 5约 40 分钟有时效性
读之前最好知道
1强化学习基础(Q-learning、策略梯度)
2深度神经网络
3探索与利用(exploration)
4REINFORCE 算法

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用chrishare · 2016-11

“provides game state - and was presumably used by Facebook to do their research earlier this year”

指出 BWAPI 提供游戏状态,Facebook 今年的研究大概就用了它
DeepMind and Blizzard to release StarCraft II as an AI research environment原评论 ↗
引用edran · 2017-08

“See for instance the following papers:”

列出相关论文供参考,其中有星际争霸微操的探索研究
OpenAI at the Dota 2 World Championships原评论 ↗
被提交为 story · 1 次