Cyrus 2D 模拟团队介绍论文 2016
本文介绍 CYRUS 足球仿真团队在 RoboCup 2021 中的前沿研究,包括使用传球预测深度神经网络来提高该团队在 Soccer Simulation 2D League 中的不脱标判定和定位,实验表明这种改进能够提高团队的胜率。
May, 2022
我们提出了一个去噪算法,利用预测建模和交叉分析来提高 Soccer Simulation 2D 中观测数据的准确性,并减少噪音和部分数据的影响,从而提高游戏性能。
Jun, 2024
RoboCup 2021 2D Soccer Simulation League champions CYRUS implemented new functionalities including Multi Action Dribble and Marking Decision, while Pass Prediction improved teammate collaboration for scoring goals.
Jan, 2024
介绍 CYRUS 足球模拟 2D 团队的最新研究,包括基于 LSTM 和 DNN 的去噪方法,并使用基于 Helios 和 Gliders 的 CYRUS2D 基础代码。
May, 2023
Soccer Simulation 2D is a RoboCup competition that has employed C++ base codes for controlling agents' behavior, but to overcome the complexity and encourage researchers, Pyrus, the first Python base code for SS2D, is introduced, providing a powerful baseline to integrate machine learning algorithms.
Jul, 2023
通过跨语言网络框架,我们可以将机器学习与现代机器人足球模拟系统相融合,实现多编程语言的灵活性和协作潜力提升,并提高多智能体系统在足球模拟中的决策效率。
Jun, 2024
本文研究了基于不同搜索算法(蒙特卡罗树搜索、滚动视野进化和 Beam 搜索)的 AI 策略,以成功玩出 CodinGame 平台上的 Bomberman 变体游戏,并提出各种强化方法。我们的最高水平变异体基于 Beam 搜索,并实现了在状态表示和估价函数上的优化,以及基于模拟估计存活率来修剪掉不良状态。这一方法已经成功在 CodinGame 竞技场中超越了 2,300 个其他 AI 对手。
Mar, 2022
使用深度神经网络和随机森林模型,研究了 Soccer Simulation 2D 游戏中足球 2D 球员的传球行为,并验证了该方法对提高传球预测性能的有效性。
Jan, 2024
实现并评估了一种基于强化学习的自动化网络防御代理程序,该代理以安全警报作为输入并使用强化学习学习执行预定义的防御措施的策略,使用攻击图模拟网络攻击的环境中,被攻击者执行保护任务。该方法通过使用不同大小的攻击图、攻击者攻击策略和不同的检测系统噪声来进行评估。实验表明,通过强化学习训练的防御代理程序的性能优于使用启发式策略的代理程序,并能够概括不同的攻击者策略。
Apr, 2023