Mar, 2024

多人游戏中的虚拟行动

PDF
TL;DR本论文首次引入了 Feint 在多人游戏中的形式化、实现和定量评估，通过基于非传递性主动马尔可夫游戏模型的形式化，结合最新的多智能体建模进展（即多智能体强化学习），我们考虑了 Feint 在多人游戏中的实际实施细节，并定量检验了我们设计的有效性，结果表明我们的 Feint 设计可以显著提高游戏的奖励收益，增加多人游戏的多样性，并且在时间消耗方面几乎没有额外开销。结论是我们的 Feint 设计是有效和实用的，可以使多人游戏更有趣。
发现论文，激发创造
  • ELF Mini-RTS 上的神经虚构自我对弈

    本研究通过应用神经虚拟自我博弈（Neural Fictitious Self-Play，NFSP）和策略梯度强化学习方法，实现了在小型 RTS 游戏上寻找纳什均衡的目标，并且通过预先使用策略梯度自我博弈来预训练模型，成功提高 NFSP 的可扩展性。

    Feb, 2019

  • 关于均场博弈中的模仿问题

    本文研究了均场博弈中的模仿学习问题，引入了 Nash 模仿差作为新的解决方案，研究发现在仅收益需求受到人口分布影响时，该问题等价于单智能体模仿学习，并给出了适用于整体系统动力学的新的上界限定。

    Jun, 2023

  • 关于虚拟博弈收敛性问题的分解方法研究

    本文扩展了虚拟博弈在混合博弈中的收敛结果，发现合作和竞争具有互相可转换的线性关系，并研究了 FP 在 Shapley game 中的非收敛现象及其充分条件。

    May, 2022

  • 操纵艺术：安全博弈中多步操纵攻击的威胁

    本文研究了 Stackelberg 安全博弈中的多步操纵攻击问题，提出了一种新的多步操纵攻击博弈模型并通过提出的算法解决了该问题。

    Feb, 2022

  • Inception: 高效可计算的马尔可夫博弈虚假信息攻击

    研究马尔可夫博弈中信息不对称和错误信息导致的安全威胁，通过考虑一名攻击者玩家散布关于其奖励函数的错误信息来影响受害者玩家的行为，我们推导了在最坏情况理性下受害者的策略，并提出了基于线性规划和反向归纳的多项式时间算法来计算攻击者的最优最坏情况策略，在受限的奖励函数集合中找到最优的错误奖励函数，我们的方法利用了理性的普遍假设来高效计算攻击，因此，我们的工作揭示了在错误信息下由标准游戏假设引起的安全漏洞。

    Jun, 2024

  • 基于物理模拟角色的多智能体对抗互动先验的模仿学习

    提出了基于多智能体生成对抗模仿学习的新方法，可以模拟多个基于物理的角色之间的互动与动作，并保留内在风格，通过训练使每个角色模仿与其相关的互动技巧。已通过拳击和全身武术等两种不同战斗风格进行了测试。

    Nov, 2023

  • 通用游戏的空间状态 - 行为特征

    本文提出了一种可有效设计和实现通用游戏空间状态 - 动作特征的方法，并提供了适用于广泛不同游戏使用的设计和具体实现，这种方法可以训练出符合本地区域状态变量的特征，以此来激励或者抑制动作。

    Jan, 2022

  • 通用游戏的战略特征

    本文介绍了一项正在进行的研究项目，旨在实现大量数字版棋盘游戏的自动化自我学习和评估，并描述了我们采取的方法来确定相关特征，以偏置在任意几何形状上玩的任意游戏的 MCTS 模拟。我们的方法的好处包括高效实现，潜在的将所学知识转移到新的场景中，以及潜在的解释以人类可理解的术语嵌入特征中的战略知识。

    Jan, 2021

  • 多智能体生成对抗模仿学习

    本文提出了一种新的适用于多智能体环境的 Multi-Agent 模仿学习框架，它建立在广义反向强化学习的基础上，并引入了实用的多智能体演员 - 评论家算法。该方法可用于多个合作或竞争代理的高维环境中模仿复杂的行为。

    Jul, 2018

  • 学习平均场博弈

    该论文提出了一个通用平均场博弈（GMFG）框架，用于解决具有大量人口的随机博弈中的学习和决策问题。它提出了一种使用玻尔兹曼策略（GMF-Q）的 Q 学习算法，并进行了收敛性质和计算复杂度的分析。实验表明该 GMF-Q 算法在收敛性和学习精度方面高效稳健，比现有的多智能体强化学习算法具有更好的性能。

    Jan, 2019