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
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
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。
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。
“provides game state - and was presumably used by Facebook to do their research earlier this year”
“See for instance the following papers:”