Aug, 2020
基于回合游戏的推理学习:第一人称射击游戏中购买决策的多任务序列生成
Learning to Reason in Round-based Games: Multi-task Sequence Generation
for Purchasing Decision Making in First-person Shooters
TL;DR本研究采用多任务学习的方法,通过对轮次属性编码和多任务解码,理解轮次购买决策背后的策略。在Counter-Strike: Global Offensive游戏中,我们将每一轮作为一个多任务序列生成问题,将动作编码器、团队编码器、玩家特征、轮次属性编码器和经济编码器结合在一起,以帮助我们的代理人学习在这个特定的多人轮次场景中进行推理的能力。实验表明,相比贪心法,我们所提出的模型更加有效,并为理解游戏策略提供了可解释的人工智能方法。