该论文介绍了一项新的比赛 ——DareFightingICE 比赛，在该比赛中，参与者将分别与他们的对手对战来展示他们最棒的声音设计和 AI 算法，并且此比赛挑战是视障人士视频游戏社区中被忽视的新兴领域。

Mar, 2022

本文介绍了一个新的并改进的 DareFightingICE 平台，这是一个以视障玩家为重点的对战游戏平台，采用 Unity 游戏引擎。同时，该文还介绍了 DareFightingICE 竞赛的创新分离，分为 DareFightingICE 声音设计竞赛和 DareFightingICE AI 竞赛，后续将使用一个新平台，提供了更好的音频系统和发送音频数据给 AI 代理的方式。通过这些改进和利用 Unity，新的 DareFightingICE 平台在为视障玩家添加新功能和未来音频研究方面更加易用。该文还改进了声音设计竞赛的评估方法，以确保未来 CoG 运行时对视障玩家提供更好的声音设计。据我所知，这两个竞赛是首次举办，它们之间相互提高参赛作品质量的联系使得这些竞赛成为代表更广泛游戏社区中经常被忽视的群体、即视障玩家的重要组成部分。

Mar, 2024

本文介绍了通过添加自适应特性来增强 DareFightingICE 背景音乐（BGM）的工作。自适应 BGM 由三个不同类别的乐器组成，播放来自 2022 DareFightingICE 比赛胜者声音设计的 BGM。通过改变每个类别乐器的音量来使 BGM 适应性变化。我们使用深度强化学习 AI 代理（盲 DL AI）进行实验评估自适应 BGM，而该代理仅使用声音作为输入。结果表明，与没有自适应 BGM 时相比，盲 DL AI 在播放自适应 BGM 时的性能有所改善。

Mar, 2024

该论文使用深度学习方法建立了一个分类器，用于区分输入音频是否为真实录制，有助于解决 AI 技术使犯罪和伪造更容易的问题。论文中提供了英语和英阿混合语数据集，并对该分类器进行了人工核查以验证其准确性。

Sep, 2022

本文提出使用自适应背景音乐（BGM）增强 DareFightingICE 的方法。自适应 BGM 由五个不同的乐器演奏一首古典音乐作品 “G 弦上的爱情” 组成。通过改变各个乐器的音量，实现自适应。运用深度强化学习 AI 进行评估，结果表明使用自适应 BGM 时，Blind DL AI 的表现比不使用自适应 BGM 时有所提升。

Mar, 2023

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

本研究采用 AlphaGo 启发的训练方法来玩不完全信息的侦察盲棋，通过自我对弈与 PP0 强化学习算法来提高非监督代理性能，用此方法在 RBC 排行榜上达到 1330 ELO，排名第 27，证明了自我对弈对性能的显著提升，而不使用搜索和对真实游戏状态的假设也能使代理表现得相当不错。

Aug, 2022

介绍了一个半真实的飞行模拟环境 Harfang3D Dog-Fight Sandbox，为研究利用强化学习控制飞机的主要挑战提供了一个灵活的工具箱，可以使用深度强化学习技术进行训练，进而训练出能够表现出类似于人类行为的智能代理。

Oct, 2022

深度学习技术发展促进了语音识别技术的性能提高，但是现有研究表明 DNN 对微小干扰敏感且容易产生误识别，这对被语音控制的智能语音应用来说极为危险。

Apr, 2022

利用深度神经网络，行动编码和并行执行器等方法，本文提出了一个名为 DouZero 的博弈 AI 系统，目标是在三人斗地主游戏中解决人工智能挑战。通过集成传统蒙特卡罗方法，DouZero 在数天的训练后就表现出色，并在 Botzone 排行榜上排名第一。本文展示了即使在行动空间复杂的情况下，经典的 蒙特卡罗方法 也能带来突破。

Jun, 2021