深度学习在电子游戏中的应用

Aug, 2017

Deep Learning for Video Game Playing

Niels Justesen, Philip Bontrager, Julian Togelius, Sebastian Risi

TL;DR本文回顾了近期深度学习在不同类型的游戏中（例如第一人称射击、街机游戏和实时策略游戏）的应用，分析了不同游戏类型对深度学习系统的独特需求，并强调了应用这些机器学习方法到视频游戏领域的重要挑战，例如通用游戏演奏、处理极大的决策空间和稀疏回报等。

Abstract

In this article, we review recent deep learning advances in the context of how they have been applied to play different types of video games such as first-person shooters, arcade games, and real-time strategy gam

deep learning video games machine learning game genres sparse rewards

发现论文，激发创造

视频游戏中深度强化学习综述

本文综述了深度强化学习 (DRL) 的进展，包括基于价值、基于策略和基于模型的算法，并对其在游戏 AI 领域内的应用和挑战进行了讨论和总结。

Dec, 2019

深度学徒学习在游戏中的应用

这篇论文提出了一种新的学习方法，基于以前在强化学习中的监督学习技术，使用 Atari 游戏的视频帧来教授人工智能代理玩游戏，虽然结果不如强化学习的最新成果，但证明这种方法有潜力并值得进一步研究。

May, 2022

使用深度强化学习玩射击游戏

本研究提出了一种融合游戏特征信息的深度强化学习神经网络模型，其能够在处理 3D FPS 游戏的部分可观察状态下显著提高训练效率和性能。

Sep, 2016

体育应用中的深度学习调查：感知、理解和决策

深度学习在运动表现中具有革命性的潜力，本文对深度学习在运动表现方面进行了全面的调查，重点关注算法、数据集和虚拟环境以及挑战。我们首先讨论了深度学习算法在运动表现中的层次结构，其中包括感知、理解和决策，并比较了它们的优势和不足。其次，我们列举了广泛使用的现有运动数据集，并强调了它们的特点和局限性。最后，我们总结了当前的挑战，并指出深度学习在运动领域的未来趋势。我们的调查为对深度学习在运动应用感兴趣的研究人员提供了有价值的参考资料。

Jul, 2023

深度学习在机器人领域中的应用研究综述

深度学习在机器人系统中的应用、优势和局限性进行了探讨，以当前研究为例，旨在向更广泛的机器人社区传达最新进展，激发人们在机器人领域中更多地应用深度学习。

Jul, 2017

使用深度强化学习增强自动游戏测试

本研究采用深度强化学习（DRL）技术来实现自学习机制的游戏测试框架，可提高测试覆盖率，发现并解决游戏内的漏洞及其他问题，特别适用于第一人称射击类型的游戏。

Mar, 2021

用深度强化学习训练机器人的方法：我们所学到的教训

本文评估了深度强化学习在现实世界机器人中的应用，包括学习知觉和运动等复杂技能的案例研究以及相关挑战。

Feb, 2021

深度强化学习教科书

本书提供了深度强化学习领域的全面概述，主要涵盖了建立领域基础，算法和应用，同时介绍了一些先进主题，如深度多智能体强化学习、深层次强化学习和深元学习；本书适用于人工智能的研究者、从业者和研究生，假定读者具有本科水平的计算机科学和人工智能理解，编程语言使用 Python。

Jan, 2022

教育数据科学的深度学习

深度学习应用于教育数据科学的调查和讨论，主要涉及深度神经网络、知识追踪模型和自动情感与行为检测器等领域。

Apr, 2024

计算机视觉任务的深度学习综述

本文旨在概述深度学习算法在计算机视觉领域的应用，包括图像分类，目标识别，图像提取和语义分割等方面，同时讨论了构建和训练深度神经网络面临的未来范围和挑战。

Apr, 2018