starcraft | BriefGPT - AI 论文速递

关键词starcraft

搜索结果 - 11

ICMLStarCraft 多智能体挑战 +: 在没有精确奖励函数的情况下学习多阶段任务和环境因素
本文提出了一个叫做 SMAC + 的新型基准，该基准旨在探索 MARL 算法在 StarCraft 遊戲中学习隐含的多阶段任务、环境因素和微控制的能力。在攻击和防御场景中，该基准要求智能体进行多方面探索，进一步提高算法的探索能力。研究结果表
PDF2 years ago
TStarBot-X：StarCraft II 完整游戏中高效联赛训练的开源综合研究
本研究基于 AlphaStar 的技术，利用多项创新性技术，如新型联赛训练方法、配合规则的策略搜索、稳定的策略改进、轻量级神经网络架构、模仿学习中的重要性采样等，开发出一款名为 TStarBot-X 的 AI 代理程序，在计算能力有限制条件
PDF4 years ago
通过奖励归因分解进行多智能体协作
本文提出了一种名为 Collaborative Q-learning (CollaQ) 的多智能体协作强化学习算法，它利用 Multi-Agent Reward Attribution (MARA) loss 进行训练并在 StarCraf
PDF4 years ago
利用深度强化学习进行星际争霸宏观动作选择
本研究采用基于深度强化学习的方法构建了一款名为 LastOrder 的机器人，旨在提高 StarCraft 游戏中宏观行动的选择。实验表明，LastOrder 在 AIIDE'17 StarCraft AI 比赛中排名前列，证明了该方法的有
PDF6 years ago
使用强化学习和课程迁移学习进行星际争霸微观管理
本文提出了一种强化学习和课程迁移学习方法，用于在 StarCraft 的微观管理中控制多个单位。通过定义高效的状态表示，并采用参数共享多智能体梯度下降 Sarsa 算法，使用神经网络作为函数逼近器来评估动作价值函数，建立奖励函数，使用迁移学
PDF6 years ago
MSC：StarCraft II 宏观管理数据集
为了提高 Starcraft 中的宏观管理研究，我们基于 SC2LE 平台发布了一个名为 MSC 的新数据集，MSC 由精心设计的特征向量、预定义的高级操作和每场比赛的最终结果组成，并将其拆分为训练、验证和测试集，以方便评估和比较。
PDF7 years ago
STARDATA：StarCraft 人工智能研究数据集
本研究介绍了一个包含 65646 局 StarCraft 比赛的数据集，共计 1535 百万帧和 496 百万玩家动作，可用于机器学习任务，如策略分类，逆强化学习等。该数据集由 TorchCraft 提取和存储，具有格式标准化的特点，并可用
PDF7 years ago
使用深度学习从 StarCraft 回放中学习宏观管理
本文介绍了如何使用深度学习从游戏回放数据中学习 StarCraft 中的宏观管理决策，并在开源的 StarCraft 机器人 UAlbertaBot 中实现，取得了比游戏内置 bot 更好的表现。该方法能够表达各种不同的策略，并且可以进一步
PDF7 years ago
深度多智能体强化学习的稳定经验回放
该研究提出了两种解决 multi-agent reinforcement learning 中 nonstationarity 问题的方法，并在 StarCraft 单元微观管理的分散式变量上得到了成功的实验结果。
PDF7 years ago
深度确定性策略的情节式探索：星际争霸微观管理任务应用
本研究以即时战略游戏 StarCraft 为基础，通过使用深度神经网络控制器及启发式强化学习算法来解决些许的问题，同时展现此算法适用于将士兵实时控制过程转化为强化学习问题，获得了良好效果。
PDF8 years ago
从有限侦察中推断实时策略游戏中的策略
本文介绍了一种结合了生成模型和通过侦察获得的证据的 RTS 游戏 Starcraft 的动态贝叶斯网络模型，能够从观测到的现象中推断对手的当前和未来策略。
PDF12 years ago