本文介绍了一个新的基于第一人称视角和半现实三维场景的深度强化学习测试平台ViZDoom，使用神经网络和经验回放的方法来训练有人类一样行为的游戏AI，结果证实了ViZDoom作为人工智能研究平台的有效性，且三维真实场景内的视觉强化学习是可行的。

May, 2016

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

介绍了一个视频游戏的元数据提取方法及其相关数据集CocoDoom，提供给研究者用于计算机视觉技术的实例和类别级别的物体识别、检测、分割，运动估计、单目深度估计和场景分割的训练和评估。

Oct, 2016

在三维模拟环境中，提出了一种传感器运动控制的方法，它通过高维和低维度测量流来提供丰富的监管信号进行训练，并利用协同时间结构进行监督学习，无需外部监管即可学习三维环境的原始感官输入，其结果显示其学习效果优于先前复杂的公式，尤其适用于具有挑战性的任务。

Nov, 2016

该研究使用前人认为人类认知中的语义概念和抽象能力，将对象和结构元素添加到图像输入，改进了深度Q学习网络（DQN）代理模型的策略学习框架，并在3D第一人称射击游戏“毁灭战士”中表现出更好和更有效的策略。

Dec, 2016

本研究提出了一个新颖的两层优化过程来训练共有多个独立的强化学习智能体，这些智能体仅使用Q3A视频游戏的像素和游戏得分作为输入，即使在富有挑战性的多智能体环境中互相协作和竞争，这些智能体也能够达到类人水平，并展现出人类般的行为表现。

Jul, 2018

该论文探讨了使用深度强化学习智能体将知识从一个环境转移到另一个环境的方法，其中使用异步优势演员-评论家架构来使用在Atari中训练的代理来将目标游戏进行泛化，并使用多个代理在视觉映射 transferred targets 的基础上训练模型，以提高性能、数据效率和稳定性。该架构的功能在OpenAI gym中的Atari游戏Pong-v0和Breakout-v0中进行了演示。

Sep, 2018

该论文介绍了一种名为Deep Latent Competition（DLC）的强化学习算法，其可以通过自我博弈在想象中学习竞争性视觉控制策略，从而实现长期推理。DLC代理人在学习的世界模型的紧凑潜在空间中想象多智能体互动序列以减少实际采样生成的成本，同时潜在表示启用规划随着观察维度的扩展而平滑扩展。该算法在需要从图像观察中进行规划的新颖多智能体比赛基准测试中学习了有效的竞争行为。

Feb, 2021

本研究采用多智能体相互作用的方法，开发了一个可扩展的具有现实物理和人类相关语义的竞争环境，旨在解决强探索环境中的问题，并进行了多项实验以获得简单的新兴策略和未来改进的具体方向。

Jan, 2023

通过只使用像素数据作为输入，本研究论文描述了训练自主智能体在游戏《毁灭战士2》中通过模仿学习（IL）进行游戏的方法。我们还探讨了强化学习（RL）相对于IL在摄像机运动和轨迹数据方面的人类性，并通过行为克隆（behavioural cloning）研究了个体模型学习不同行为特征的能力。我们尝试模仿具有不同游戏风格的真实玩家的行为，发现我们可以训练出具有攻击性、被动性或比传统AI更接近人类的行为的智能体。我们提出了这些在视频游戏中引入更多深度和接近人类行为的方法。经过训练的IL智能体在我们的数据集中的表现与普通玩家相当，同时优于最差的玩家。尽管性能没有常见的RL方法强，但它为智能体提供了更强的接近人类行为特征。

Jan, 2024