Rinascimento: Optimising Statistical Forward Planning Agents for Playing Splendor
Queen Mary University of London（伦敦玛丽女王大学）；Southern University of Science and Technology（南方科技大学）
基于游戏的基准测试在人工智能（AI）技术的发展中发挥着至关重要的作用。提供多样化的挑战对于推动研究创新和理解现代技术至关重要。Rinascimento提供了一个参数化的部分可观察的多人纸牌游戏，这些参数可以很容易地修改游戏中的规则，目标和物品。我们描述了框架的所有功能和游戏挑战，提供基线游戏AI和分析他们的技能。我们保留代理的超参数调整在实验中的核心作用，突出它如何可以严重影响性能。基线代理包含对统计正向规划算法的几个附加贡献。
2019-04-03 cs.AI
Analysis of Vanilla Rolling Horizon Evolution Parameters in General Video Game Playing
University of Essex（埃塞克斯大学）
蒙特卡罗树搜索技术通常主导一般视频游戏，但最近的研究已经开始关注进化算法及其在匹配树搜索游戏水平甚至优于这些方法的潜力。在线或滚动地平线进化是可用于在一般视频游戏中进化计划动作序列的选项之一，但迄今为止还没有研究探索该算法的香草版本在多个游戏中的功能。本研究旨在批判性地分析来自通用视频游戏AI语料库的一组20个游戏中关于人口规模和个体长度的不同配置。确定性和随机游戏之间的区别，并使用优越的时间预算的影响进行了研究。结果表明，有使用这些技术的范围，在某些配置优于蒙特卡罗树搜索，也表明，在这些方法的进一步研究可以提高他们的性能。
2017-04-24 cs.AI
Reinforcement Learning with Dual-Observation for General Video Game Playing
Southern University of Science and Technology（南方科技大学）；University of Birmingham（伯明翰大学）；New York University（纽约大学）
强化学习算法在玩具有挑战性的棋盘游戏和视频游戏时表现良好。提高强化学习算法的泛化能力是越来越多的研究重点。通用视频游戏AI学习竞赛旨在开发能够学习玩在训练期间看不到的不同游戏级别的代理。本文总结了五年来通用视频游戏AI学习竞赛的版本。在每一个版本中，都设计了三个新游戏。在前三个版本中，培训和测试级别是分开设计的。自2020年起，每场比赛的三个测试级别通过扰动或合并两个训练级别产生。然后，我们提出了一种新的强化学习技术与一般的视频游戏玩双观察，假设它更有可能观察到类似的局部信息在不同的水平，而不是全球信息。我们提出的一般技术不是直接输入当前游戏屏幕的单个原始基于像素的屏幕截图，而是将游戏屏幕的编码，转换的全局和局部观察作为两个同时输入，旨在学习用于玩新关卡的局部信息。我们提出的技术是用三种最先进的强化学习算法实现的，并在2020年通用视频游戏AI学习竞赛的游戏集上进行了测试。消融研究显示了使用编码、转换的全局和局部观测值作为输入的出色性能。
2022-03-31 cs.AI
Monte Carlo Q-learning for General Game Playing
Leiden Institute of Advanced Computer Science, Leiden University（莱顿大学莱顿高等计算机科学研究所）；Leiden University（莱顿大学）；Leiden Institute of Advanced Computer Science（莱顿高等计算机科学研究所）；Leiden University, Leiden, the Netherlands（莱顿大学，荷兰莱顿）
在AlphaGo最近的突破性成果之后，我们看到了人们对游戏中的强化学习的浓厚兴趣。一般博弈（GGP）为强化学习提供了一个很好的测试平台。在GGP中，给出了一个游戏规则的规范。GGP问题可以通过强化学习来解决。Q学习是一种典型的强化学习方法，并且已经被（Banerjee & Stone，IJCAI 2007）用于GGP。在本文中，我们在GGP中实现了三个小棋盘游戏（Tic-Tac-Toe，Connect Four，Hex）的Q学习，以与Banerjee等人进行比较。正如预期的那样，Q学习收敛，尽管比MCTS慢得多。借鉴MCTS的思想，我们用蒙特卡洛搜索增强Q学习，给出QM学习。这种增强提高了纯Q学习的性能。我们相信，QM学习也可以用于进一步提高大型游戏的强化学习性能，我们将在未来的工作中进行测试。
2018-05-21 cs.AI
Outer-Learning Framework for Playing Multi-Player Trick-Taking Card Games: A Case Study in Skat
Charles University Prague（查尔斯大学普拉格）
本文提出了一种外学习框架，通过扩展人类游戏数据库与自我玩AI游戏的数据，提升卡牌游戏预测准确性，并在斯卡特游戏中验证了其在决策支持方面的有效性。
2025-12-17 cs.AI
CriticaLLM: Using LLMs as Autonomous Game Master for Tabletop Role-Playing Games
UCLouvain（天主教鲁汶大学）
本研究提出了一款名为CriticaLLM的全自动游戏主持人框架，通过四种不同规模的LLM评估其运行桌面角色扮演游戏的能力，结果显示该框架是运行此类游戏的有前景方案。
2026-10-16 cs.AI
EvoMan: Game-playing Competition
Federal University of ABC（ABC联邦大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Heriot-Watt University（赫瑞-瓦特大学）
本文介绍了一个竞争的建议，不断发展的智能代理的游戏框架称为EvoMan。该框架基于Capcom开发的游戏Mega Man II的老板战斗。对于这个特殊的竞争，主要目标是使用通才策略击败所有八个老板。换句话说，竞争者应该训练代理人击败一组老板，然后代理人将根据其对所有八个老板的表现进行评估。在本文的最后，竞争对手提供了基线结果，使他们可以有一个直观的结果是多么好。
2020-01-04 cs.AI
CogniPlay: a work-in-progress Human-like model for General Game Playing
École Normale Supérieure de Rennes（里昂大学）；ICTEAM Université Catholique de Louvain（列日大学）
本文提出进行中的类人通用游戏博弈模型CogniPlay，基于认知心理学发现，旨在复制人类模式化直觉决策，弥补现有AI在类人行为上的不足。
2025-07-08 cs.AI
Regular Games -- an Automata-Based General Game Playing Language
提出兼具计算效率与设计便利性的通用游戏博弈系统正则游戏（RG），以有限自动机定义规则的低级语言为核心，生成前向模型速度快于现有系统，还含高级设计语言及配套生态工具。
2025-11-13 cs.AI
Portfolio Search and Optimization for General Strategy Game-Playing
Queen Mary University of London（伦敦玛丽女王大学）
投资组合方法代表了一种简单但有效的动作抽象类型，它已被证明可以提高基于搜索的代理在一系列策略游戏中的性能。我们首先回顾现有的投资组合技术，并提出了一个新的算法的基础上滚动地平线进化算法的优化和行动选择。此外，开发了一系列变体来解决不同方面的问题。我们进一步分析了讨论的代理在一般策略游戏任务的性能。为此，我们运行三个不同的游戏模式的策略框架的实验。对于代理参数和投资组合的优化，我们研究了使用N元组Bandit进化算法。由此产生的投资组合集表明，在发挥风格的高度多样性，同时能够一贯击败样本代理。代理的性能分析表明，所提出的算法推广到所有的游戏模式，能够优于其他投资组合方法。
2021-04-21 cs.AI
Experimental Studies in General Game Playing: An Experience Report
University of Wrocław（弗罗茨瓦夫大学）；Poland（波兰（注：原文本中“Poland”为国家名，此处按要求提取机构，原“University of Wrocław”已包含机构核心，“Poland”为国家，非机构，可能为原文本排版问题，正确机构仅“University of Wrocław”）}]，修正后应为：{）
我们描述了近15年的一般游戏的实验研究历史的背景下，再现性和公平性的各种GGP代理和系统之间的比较，旨在发挥不同的形式主义所描述的游戏。我们认为我们的调查可能提供了一个有趣的视角，即当没有更好的方法时，混乱的方法是如何被允许的。最后，从我们的经验为基础的观点，我们想提出一些建议，如何在未来适当处理这种特定的异质分支的研究。本文的目的是指出该领域实验研究中的共同困难和问题。我们希望我们的建议将有助于避免他们在未来的工作，并允许更公平和可重复的比较。
2020-03-06 cs.AI
Assessing the Potential of Classical Q-learning in General Game Playing
Leiden University（莱顿大学）；Leiden Institute of Advanced Computer Science（莱顿高级计算机科学研究所）
在最近AlphaGo和AlphaZero的突破性成果之后，我们看到了对游戏中的深度强化学习和人工通用智能（AGI）的强烈兴趣。然而，深度学习是资源密集型的，理论尚未得到很好的发展。对于小型游戏，简单的经典基于表格的Q学习可能仍然是首选算法。通用博弈（GGP）为强化学习研究AGI提供了一个很好的实验平台。Q学习是一种典型的强化学习方法，并且已经被（Banerjee $\&$ Stone，IJCAI 2007）用于GGP。在本文中，我们在GGP中实现了三个小棋盘游戏（Tic-Tac-Toe，Connect Four，Hex）\footnote{source code: https://github.com/wh1992v/ggp-rl}的Q学习，以便与Banerjee等人进行比较。我们发现，Q学习收敛到一个高的胜率在GGP。对于$ε$ -贪婪策略，我们提出了第一个增强，动态$ε$算法。此外，受Gelly $\&$ Silver，ICML 2007的启发，我们结合在线搜索（Monte Carlo搜索）来增强离线学习，并提出了GGP的QM学习。这两种增强都提高了经典Q学习的性能。在这项工作中，GGP允许我们展示，如果通过适当的增强来增强，经典的基于表的Q学习可以在小型游戏中表现良好。
2018-10-14 cs.AI
Leveling the Playing Field -- Fairness in AI Versus Human Game Benchmarks
New York University（纽约大学）；University of Hertfordshire（赫特福德大学）；University of Southern California（南加利福尼亚大学）
从一开始，如果人工智能的历史，一直有兴趣在游戏作为一个平台的研究。随着该领域的发展，人类在复杂游戏中的能力成为研究人员努力达到的目标。直到最近，传统桌面游戏，如西洋双陆棋、国际象棋和围棋才最终实现了这一目标。目前的研究重点已经转移到电子游戏，这提供了独特的挑战。与人工智能研究的情况一样，这些结果很容易被作者或第三方夸大或歪曲。这些游戏基准在多大程度上包括人类和人工智能之间的公平竞争也是一个有争议的问题。在这项工作中，我们回顾了作者和第三方在一般媒体和学术界对这些游戏基准结果的声明，并讨论了在人类和机器之间的竞赛中可能影响公平感的因素
2019-08-29 cs.AI
Rinascimento: using event-value functions for playing Splendor
Queen Mary University of London（伦敦玛丽女王大学）
在游戏研究领域，通用人工智能算法通常使用分数作为学习或游戏动作的主要奖励信号。然而，这已经显示出其严重的局限性时，积分奖励是非常罕见的或缺席，直到游戏结束。本文提出了一种基于事件日志的新方法：每当游戏状态的一个特征发生变化时，它就会触发一个事件。这些事件由事件-价值函数（EF）处理，该函数将值分配给单个动作或序列。实验表明，这种方法可以缓解积分奖励不足的问题，提高人工智能的性能。此外，这代表着在控制人工代理所采用的策略方面向前迈出了一步，通过EF描述了一个更丰富和可控的行为空间。调谐EF能够巧妙地合成游戏中事件的相关性。使用EF的代理在与多个对手进行游戏时表现出更强的鲁棒性。
2020-06-10 cs.AI
Enhancements for Real-Time Monte-Carlo Tree Search in General Video Game Playing
Maastricht University（马斯特里赫特大学）
本文针对通用视频游戏博弈中实时蒙特卡洛树搜索提出八种增强方法，单独应用多数可显著提升胜率，组合后使六十款游戏平均胜率从31.0%提升至48.4%，接近2015年GVG-AI竞赛顶尖水平。
2024-07-03 cs.AI
Playing a Strategy Game with Knowledge-Based Reinforcement Learning
arago GmbH（arago有限公司）
本文提出基于知识的强化学习KB-RL，融合多专家知识与强化学习冲突解决策略，在FreeCiv策略游戏中实现完整通关并战胜电脑玩家，且随经验增加持续缩短获胜回合数。
2019-08-15 cs.AI
lmgame-Bench: How Good are LLMs at Playing Games?
UC San Diego（加州大学圣地亚哥分校）；MBZUAI（穆桑贝斯人工智能研究院）；UC Berkeley（加州大学伯克利分校）
本文提出lmgame-Bench基准，通过统一API和感知记忆支架将平台跳跃、解谜与叙事游戏转化为可靠的LLM评估，并在13个模型上验证其区分度及跨任务迁移能力。
2025-06-03 cs.AI
Very simple statistical evidence that AlphaGo has exceeded human limits in playing GO game
National Institute for Mathematical Sciences（韩国数学科学研究所）
深度学习技术在解决人工智能的挑战性问题方面取得了巨大进展，因此基于人工神经网络的机器学习再次成为人们关注的焦点。在某些领域，基于深度学习的人工智能已经超出了人类的能力。机器在围棋比赛中击败人类似乎非常困难，但AlphaGo已经在比赛中击败了职业选手。通过观察连续放置棋子的距离的统计分布，我们发现了一个清晰的痕迹，即Alphago已经超越了人类的能力。而AlphaGo比职业棋手和职业棋手比普通棋手在距离上的落子显示变得更加频繁。此外，AlphaGo表现出了比普通棋手和职业棋手明显得多的差异。
2020-02-25 cs.AI
Applying supervised and reinforcement learning methods to create neural-network-based agents for playing StarCraft II
近年来，人们提出了多种方法来创建用于玩各种复杂的实时计算机游戏（如星际争霸II或Dota 2）的代理，然而，它们要么将大量的专家知识嵌入到代理中，要么使用对大多数研究人员来说过于庞大的计算资源。我们提出了一个神经网络架构，用于玩星际争霸II的完整双人比赛，该架构采用通用监督和强化学习进行训练，可以在具有单个GPU的单个消费级PC上进行训练。我们还表明，我们的实现了一个不平凡的性能相比，在游戏中脚本机器人。除了在一张选定的地图上进行游戏外，我们对游戏没有任何简化的假设，而且我们使用很少的专业知识。原则上，我们的方法可以应用于任何RTS游戏的小修改。虽然我们的结果在最终性能方面远远落后于最先进的大规模方法，但我们相信我们的工作可以作为其他小规模实验的坚实基线。
2021-09-26 cs.AI
Hybrid Minimax-MCTS and Difficulty Adjustment for General Game Playing
Universidade Federal do Rio Grande do Sul（南里奥格兰德联邦大学）
提出一种适用于零和游戏的Minimax-MCTS混合算法与难度调整通用方法，在LoBoGames平台上验证了其在通用博弈中的有效性与可扩展性。
2023-10-25 cs.AI
Scaling Behavior Cloning Improves Causal Reasoning: An Open Model for Real-Time Video Game Playing
本研究提出了一种开放的训练方法，通过扩大模型和数据规模提升因果推理能力，展示了在实时视频游戏中的高性能表现。
2026-01-28 cs.AI
Shallow decision-making analysis in General Video Game Playing
Queen Mary University of London（伦敦玛丽女王大学）；Southern University of Science and Technology（南方科技大学）
通用视频游戏AI竞赛已经成为几种游戏技术的测试场，例如演化计算技术，树搜索算法，基于超启发式或基于知识的算法。到目前为止，用于评估代理人的性能的指标是胜率，游戏得分和游戏长度。在本文中，我们提供了一个更广泛的指标和比较方法，用于评估和比较代理。的指标和比较方法给浅反省到代理的决策过程中，它们可以应用于任何代理，无论其算法的性质。在这项工作中，指标和比较的方法来衡量的条款，构成一个基于MCTS的代理树策略的影响，与几个基线代理。结果清楚地表明，这种通用方法是多么有前途，以及它如何有助于理解人工智能智能体的行为，特别是与基线代理的比较如何有助于理解代理决策景观的形状。所提出的指标和比较方法代表了一个步骤，以更描述性的方式记录和分析代理的行为。
2018-06-04 cs.AI
Playing Atari Games with Deep Reinforcement Learning and Human Checkpoint Replay
University Politehnica of Bucharest（布加勒斯特理工大学）
本文介绍了一种使用深度强化学习从Arcade学习环境中学习如何玩最难的Atari 2600游戏的新方法。所提出的方法，人类检查点重放，包括使用从人类游戏中采样的检查点作为学习过程的起点。这是为了弥补当前探索策略的困难，例如ε贪婪，在稀疏奖励的游戏中找到成功的控制策略。与其他深度强化学习架构一样，我们的模型使用了一个卷积神经网络，它只接收原始像素输入来估计状态价值函数。我们在Atari平台上最具挑战性的两款游戏Montezuma's Revenge和Private Eye上测试了我们的方法。我们得到的结果显示了显着的改善相比，以前的学习方法，以及在一个随机的球员。我们还提出了一种使用人类游戏体验来训练深度强化学习代理的方法，我们称之为人类体验重播。
2016-07-18 cs.AI
Minibal: Balanced Game-Playing Without Opponent Modeling
LAMSADE, Université Paris-Dauphine, PSL, CNRS（巴黎第四大学LAMSADE研究所，巴黎法兰西理工大学，法国国家科学研究中心）
本文提出Minibal算法，通过改进极大极小算法实现平衡游戏策略，实验表明其在多种棋盘游戏中表现出接近完美平衡的性能，为设计兼具挑战性与趣味性的AI代理提供新方法。
2026-03-24 cs.AI
Skill Check: Some Considerations on the Evaluation of Gamemastering Models for Role-playing Games
Universidad de la República（共和国大学）；Universidad Complutense de Madrid（马德里康普顿斯大学）
本文针对角色扮演游戏城主建模难题，提出三类评估测试，并据此检验ChatGPT、Bard与OpenAssistant作为开箱即用城主的能力。
2023-09-30 cs.AI cs.CL
Ensemble Decision Systems for General Video Game Playing
University of Strathclyde（思克莱德大学）；Queen Mary University of London（伦敦玛丽女王大学）
联合决策系统提供了一种独特的决策形式，允许一组算法一起推理一个问题。每个算法都有其固有的优点和缺点，并且通常很难在保留优点的同时克服缺点。而不是改变算法的属性，包围决策系统增强了性能与其他算法，具有互补的优势。这项工作概述了不同的选择，建立一个Ensemble决策系统，以及提供分析其性能相比，系统的各个组件与有趣的结果，显示了增加的算法的一般性，而不会显着阻碍性能。
2019-05-26 cs.AI
Reward-Decomposed Reinforcement Learning for Immersive Video Role-Playing
Nanjing University（南京大学）；Shanghai Jiao Tong University（上海交通大学）；University of California, San Diego（加州大学圣地亚哥分校）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；School of Information Engineering, Beijing Institute of Graphic Communication（北京印刷学院信息工程学院）；Ant International, Ant Group（蚂蚁集团国际部）；Independent Researcher（独立研究者）
提出EBM-RL框架，通过奖励分解的强化学习优化视频角色扮演中的视觉感知、推理与生成过程，提升场景一致性与角色真实性。
2026-09-28 cs.AI
Thespian: Multi-Character Text Role-Playing Game Agents
Georgia Institute of Technology（佐治亚理工学院）
提出Thespian框架，通过软提示和注意力机制使智能体学习并扮演多个角色，在多角色与少样本学习上优于现有方法。
2023-08-03 cs.AI cs.CL
Playing Carcassonne with Monte Carlo Tree Search
Maynooth University（梅努斯大学）；National Autonomous University of Mexico（墨西哥国立自治大学）
蒙特卡罗树搜索（MCTS）是文献中一种相对较新的多变量抽样方法。它们可以应用于各种具有挑战性的领域，包括棋盘游戏，视频游戏和基于能量的问题等等。在这项工作中，我们将探讨使用香草MCTS和MCTS与快速行动价值估计（MCTS-RAVE）在卡尔卡松，一个随机游戏的欺骗性评分系统，其中有限的研究已经进行了游戏。我们比较了基于MCTS的方法与Star2.5算法的优势，以前报道过在卡尔卡松游戏中产生竞争力的结果时，特定领域的启发式用于评估游戏状态。我们分析的特殊性时，他们共享一个共同的奖励系统的算法所采用的策略。基于MCTS的方法始终优于Star2.5算法，因为它们能够找到并遵循长期策略，其中香草MCTS表现出比MCTS-RAVE更强大的游戏性。
2020-10-04 cs.AI
Strategy Game-Playing with Size-Constrained State Abstraction
Faculty of EECS Leibniz University Hannover, Hannover, Germany
针对策略游戏搜索空间庞大且状态抽象质量难评估的问题，本文提出限制最大聚合节点数的SCSA，无需中途放弃抽象，并在3款游戏中验证其更优且稳健。
2025-02-15 cs.AI
Elastic Monte Carlo Tree Search with State Abstraction for Strategy Game Playing
Queen Mary University of London（伦敦玛丽女王大学）；Leibniz University Hannover（汉诺威莱布尼茨大学）
战略视频游戏挑战人工智能智能体与他们的组合搜索空间所造成的复杂的游戏元素。状态抽象是一种降低状态空间复杂度的流行技术。然而，目前的游戏状态抽象方法依赖于领域知识，使其应用到新的游戏昂贵。不需要领域知识的状态抽象方法在规划领域得到了广泛的研究。然而，没有证据表明它们可以很好地适应策略游戏的复杂性。在本文中，我们提出了弹性MCTS，一个算法，使用状态抽象玩策略游戏。在Elastic MCTS中，树的节点是动态聚类的，首先通过状态抽象逐渐分组在一起，然后在达到迭代阈值时分离。这种弹性变化既得益于状态抽象带来的高效搜索，又避免了状态抽象对整个搜索的负面影响。为了评估我们的方法，我们利用通用策略游戏平台Stratega来生成不同复杂度的场景。结果表明，弹性MCTS优于MCTS基线有很大的利润，同时减少了$10$的一个因素的树的大小。代码可以在：https://github.com/egg-west/Stratega上找到
2022-05-30 cs.AI
Evaluating Generalisation in General Video Game Playing
Queen Mary University of London（伦敦玛丽女王大学）
通用视频游戏人工智能（GVGAI）竞赛已经运行了几年，有各种赛道。本文重点研究了GVGAI学习轨迹的挑战性，其中选择了3个游戏，并给出了2个级别用于训练，而3个隐藏级别用于评估。这种设置对当前的强化学习（RL）算法提出了困难的挑战，因为它们通常需要更多的数据。这项工作调查了3个版本的优势演员-评论家（A2 C）算法，从GVGAI框架中的5个可用级别中最多训练了2个级别，并比较了它们在所有级别上的性能。所选择的游戏子集具有不同的特征，如随机性，奖励分配和目标。我们发现，随机性提高了泛化能力，但太多的随机性会导致算法无法学习训练水平。培训级别的质量也很重要，不同的培训级别可以促进所有级别的泛化。在GVGAI比赛中，代理商根据他们的胜率和他们在比赛中的得分进行评分。我们发现，仅仅使用游戏提供的奖励可能不会鼓励获胜。
2020-05-22 cs.AI
TiKick: Towards Playing Multi-agent Football Full Games from Single-agent Demonstrations
Tsinghua University（清华大学）；National University of Defense Technology（国防科技大学）；RealAI（瑞莱智慧）；Tencent AI Lab（腾讯人工智能实验室）
深度强化学习（DRL）在复杂的视频游戏上实现了超人的性能（例如，星际争霸II和Dota II）。然而，目前的DRL系统仍然受到多智能体协调，稀疏奖励，随机环境等的挑战。为了解决这些挑战，我们采用了足球视频游戏，例如，Google Research Football（GRF）作为我们的测试平台，开发了一个端到端的基于学习的AI系统（表示为TiKick）来完成这项具有挑战性的任务。在这项工作中，我们首先从联盟训练中获得的单智能体专家的自我比赛中生成了一个大型重放数据集。然后，我们开发了一个分布式学习系统和新的离线算法，从固定的单智能体数据集中学习强大的多智能体AI。据我们所知，Tikick是第一个基于学习的人工智能系统，可以接管多智能体谷歌研究足球完整游戏，而以前的工作可以控制单个智能体或在玩具学术场景上进行实验。大量的实验进一步表明，我们的预训练模型可以加速现代多智能体算法的训练过程，我们的方法在各种学术场景中达到了最先进的性能。
2021-11-30 cs.AI
Can VLMs Play Action Role-Playing Games? Take Black Myth Wukong as a Study Case
Cranberry-Lemon University（蔓越莓柠檬大学）
本研究以《黑神话：悟空》为平台，构建包含12个任务的ARPG基准，并提出VARP智能体框架，通过视觉输入实现复杂动作输出，在90%的简单和中等战斗场景中取得成功。
2024-09-22 cs.AI
Playing Atari Ball Games with Hierarchical Reinforcement Learning
Florida State University（佛罗里达州立大学）
人类特别擅长从几个例子中进行推理和推断。当面临新任务时，人类会利用以前学到的知识和技能，并迅速将它们与新任务结合起来。除了通过实验学习，人类还通过指导和榜样学习来学习社会文化。通过这种方式，在许多任务中，与当前大多数人工智能算法相比，人类可以更快地学习。在本文中，我们测试了通过社会学习加速机器学习的想法。我们认为，在解决现实世界中的问题，特别是当任务是由人类设计的，和/或为人类，通常有指示，从用户手册和/或人类专家，提供指导方针，如何更好地完成任务。我们认为，这些指令在设计一个可以以人类方式学习的强化学习系统方面具有巨大的价值，我们通过玩Atari游戏网球和乒乓来测试这个想法。我们的实验表明，指令提供了关键信息的任务，可用于分解的学习任务到子系统和构建选项的时间扩展的规划，并大大加快学习过程。
2019-09-27 cs.AI
A Survey on Game Playing Agents and Large Models: Methods, Applications, and Challenges
Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院（BAAI））；Institute of Software, Chinese Academy of Science（中国科学院软件研究所）；University of Chinese Academy of Science（中国科学院大学）；Dartmouth College（达特茅斯学院）；Beijing University of Posts and Telecommunications（北京邮电大学）；Peking University（北京大学）
本文综述了大型模型在游戏智能体中的应用，系统梳理现有架构、共性、挑战，并展望未来研究方向，以促进该领域发展。
2024-03-15 cs.AI
Learning Game-Playing Agents with Generative Code Optimization
stanford（斯坦福大学）
本文提出用大语言模型将游戏策略表示为可自我演化的 Python 代码，通过执行轨迹与自然语言反馈优化智能体，在 Atari 游戏上以更少训练时间和环境交互达到与深度强化学习基线相当的性能。
2025-08-27 cs.AI cs.LG
Applications of Artificial Intelligence in Live Action Role-Playing Games (LARP)
University of Hertfordshire（赫特福德大学）；Failbetter Games；Universiteit Leiden（莱顿大学）；University of Essex（埃塞克斯大学）；Tilburg University（蒂尔堡大学）
真人角色扮演（LARP）游戏和类似的体验正在成为一种流行的游戏类型。在这里，我们将讨论如何将人工智能技术，特别是那些常用于AI for Games的技术，应用于LARP。我们讨论了LARP的具体属性，使其成为一个令人惊讶的合适的应用领域，并提供了一些现有的方法的简要概述。然后，我们概述了几个方向，利用AI似乎是有益的，既使LARP更容易组织，并通过增强玩家体验的元素不可能没有AI。
2020-08-25 cs.AI cs.CY
On Measuring the Impact of Human Actions in the Machine Learning of a Board Game's Playing Policies
我们系统地研究了人工干预对策略棋盘游戏中计算机玩家训练的影响。在该游戏中，计算机玩家利用神经网络的强化学习来发展他们的游戏策略，并表现出缓慢的学习速度。人工干预可以显著提高学习性能，但系统地进行它似乎是一个集成的游戏开发环境，而不是自动进化学习的问题。
2006-11-30 cs.AI cs.GT cs.NE
Understanding Game-Playing Agents with Natural Language Annotations
University of California, Berkeley（加州大学伯克利分校）
我们提供了一个包含10 K人类注释的围棋游戏的新数据集，并展示了如何将这些自然语言注释用作模型可解释性的工具。给定一个董事会状态及其相关评论，我们的方法使用线性探测来预测特定领域术语的提及（例如，ko，atari）从像AlphaGo Zero这样的游戏代理的中间状态表示。我们发现这些游戏概念被非平凡地编码在两个不同的策略网络中，一个通过模仿学习训练，另一个通过强化学习训练。此外，提到的领域特定的条款最容易预测从这两个模型的后面几层，这表明这些政策网络编码的高层次的抽象类似于那些使用的自然语言注释。
2022-04-15 cs.AI cs.CL
Static Vs. Agentic Game Master AI for Facilitating Solo Role-Playing Experiences
Aalborg University（奥尔堡大学）
本文比较了两种单人角色扮演游戏主持人AI：基于简化提示工程的v1与采用多智能体架构和ReAct框架的v2，实验证明v2在保持可玩性的同时显著提升了模块化、沉浸感和好奇心。
2025-03-06 cs.AI cs.HC
General Board Game Playing for Education and Research in Generic AI Game Learning
Computer Science Institute TH K \"o ln -- Cologne University of Applied Sciences Gummersbach, Germany
我们提出了一个新的通用棋盘游戏（GBG）玩和学习框架。GBG定义了棋盘游戏、游戏状态及其人工智能智能体的通用接口。它允许人们在不同的游戏上运行不同代理的比赛。它简化了棋盘游戏的那些部分，否则将是编码中乏味和重复的部分。GBG适用于任意的1-，2-，.，N人棋盘游戏它使一个通用的TD（$λ$）-n元组代理的第一次可用于任意游戏。在各种游戏中，TD（$λ$）-n-tuple被发现优于其他通用代理，如MCTS。利标品牌旨在从教育角度帮助学生更快地开始游戏学习。利标品牌亦致力从研究角度出发，收集越来越多的游戏及人工智能智能体，以评估其在有意义的比赛中的优势及推广能力。报告了初步成功的教育和研究成果。
2019-07-11 cs.AI cs.LG stat.ML
AvalonBench: Evaluating LLMs Playing the Game of Avalon
University of California, Berkeley（加州大学伯克利分校）；California Institute of Technology（加州理工学院）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；Shenzhen University（深圳大学）
该研究推出用于评估多智能体大语言模型的阿瓦隆游戏基准AvalonBench，通过实验发现大语言模型智能体在游戏中表现弱于规则基线，为后续更先进大语言模型及智能体框架开发提供测试平台。
2023-11-08 cs.AI cs.CL
Inductive general game playing
University of Oxford（牛津大学）；Imperial College London（帝国理工学院）
通用博弈（GGP）是一个评估智能体在各种任务中的通用智能的框架。在GGP竞赛中，一个智能体被赋予一个它从未见过的游戏规则（描述为一个逻辑程序）。任务是让智能体玩游戏，从而生成游戏轨迹。GGP比赛的获胜者是在所有比赛中获得最佳总分的代理。在本文中，我们颠倒了这个任务：学习者被赋予游戏轨迹，任务是学习可能产生轨迹的规则。这个问题是归纳一般博弈（IGGP）的核心。我们介绍了一种技术，自动生成IGGP任务的GGP游戏。我们介绍了一个IGGP数据集，其中包含50个不同的游戏，如数独，推箱子，和游戏机的痕迹。我们认为IGGP是现有的归纳逻辑程序设计（ILP）方法的难点。为了支持这一说法，我们评估现有的ILP系统在我们的数据集。我们的实证结果表明，大多数游戏不能正确地学习现有的系统。性能最好的系统只能完美地解决40%的任务。我们的研究结果表明，IGGP提出了许多挑战，现有的方法。此外，由于我们可以从GGP游戏中自动生成IGGP任务，因此我们的数据集将随着GGP竞赛的不断增加而不断增长，因为每年都会有新的游戏加入。因此，我们认为IGGP问题和数据集将是有价值的激励和评估未来的研究。
2019-06-23 cs.AI cs.LG
Playing With Neuroscience: Past, Present and Future of Neuroimaging and Games
IT University of Copenhagen（哥本哈根 IT 大学）
本文探讨神经科学与游戏的交叉研究，分析二者双向促进的现状并展望未来方向，回应神经科学能否复刻游戏与AI等领域的协同发展模式的问题。
2024-03-06 cs.AI q-bio.NC
Playing Large Games with Oracles and AI Debate
Google DeepMind（谷歌DeepMind）；Princeton University（普林斯顿大学）；New York University（纽约大学）；Amazon Research（亚马逊研究）
针对大规模重复博弈的遗憾最小化问题，提出基于预言机的高效算法，可同时实现内外遗憾最小化且遗憾与行动数对数相关，在AI安全辩论场景实验中验证了有效性。
2024-07-10 cs.AI cs.GT
AlphaViT: A flexible game-playing AI for multiple games and variable board sizes
Komatsu University（komatsu大学）
AlphaViT通过融合Vision Transformers开发出灵活的游戏AI，能适应多种游戏和可变棋盘大小，优于传统算法并接近AlphaZero性能。
2025-08-03 cs.AI cs.LG
Towards Playing Full MOBA Games with Deep Reinforcement Learning
Tencent AI Lab（腾讯人工智能实验室）；Tencent TiMi L1 Studio（腾讯天美L1工作室）
MOBA游戏，例如，《王者荣耀》、《英雄联盟》、《Dota 2》等游戏对人工智能系统提出了多智能体、巨大的状态-动作空间、复杂的动作控制等巨大挑战，开发MOBA游戏的人工智能也因此备受关注。然而，现有的工作在处理由代理组合的爆炸引起的原始游戏复杂性方面存在不足，即，阵容，当扩大英雄池的情况下，OpenAI的Dota AI限制发挥只有17个英雄池.因此，没有限制的完整MOBA游戏远远不是任何现有AI系统所能掌握的。在本文中，我们提出了一种MOBA AI学习范式，该范式在方法论上可以通过深度强化学习玩完整的MOBA游戏。具体来说，我们开发了一个新的和现有的学习技术相结合，包括课程自我发挥学习，政策蒸馏，政策外的适应，多头价值估计，和蒙特卡罗树搜索，在训练和发挥了大量的英雄，同时巧妙地解决了可扩展性问题。在流行的MOBA游戏《王者荣耀》上进行测试，我们展示了如何构建能够击败顶级电竞选手的超人人工智能智能体。MOBA人工智能智能体在文献中的首次大规模性能测试证明了我们的AI的优越性。
2020-12-31 cs.AI cs.LG
Watermarking Game-Playing Agents in Perfect-Information Extensive-Form Games
Strategic Machine, Inc.（战略机器公司）；Strategy Robot, Inc.（策略机器人公司）；Optimized Markets, Inc.（优化市场公司）
本文研究如何在完美信息扩展型游戏中对策略进行水印，通过调整LLM的KGW水印技术，展示水印检测的统计测试方法，并探讨质量与可检测性之间的权衡。
2026-05-14 cs.AI cs.CR cs.GT
Playing Board Games with the Predict Results of Beam Search Algorithm
Amsterdam（阿姆斯特丹）
本文提出用于完全信息双人确定性游戏的PROBS算法，利用更简单的束搜索替代蒙特卡洛树搜索进行决策，实验证明其在棋盘游戏中胜率显著提升，且在搜索规模远小于游戏回合数时依然有效。
2024-04-23 cs.AI cs.LG
Rolling Horizon Evolutionary Algorithms for General Video Game Playing
Queen Mary University of London（伦敦玛丽女王大学）；Microsoft Research Cambridge（微软剑桥研究院）
游戏进化算法，特别是滚动地平线进化算法，最近在许多视频游戏中成功击败了最先进的胜率。然而，游戏中的最佳结果高度依赖于几篇论文中引入的修改和混合的特定配置，每一篇论文都为核心算法添加了额外的参数。此外，由于可能性空间已经超出了穷举搜索，因此仅从少数人类选择的组合中找到了先前公布的最佳参数。本文介绍了滚动时域进化算法的最新技术，结合文献中描述的所有修改，以及新的，一个大的结果混合。然后，我们使用参数优化器，N-Tuple Bandit进化算法，从通用视频游戏AI框架中找到20个游戏的最佳参数组合。此外，我们分析了算法的参数和一些有趣的组合，通过优化过程。最后，我们通过自动探索RHEA的大参数空间，在几个游戏上找到了新的最先进的解决方案。
2020-08-24 cs.AI cs.NE
Evolving simple programs for playing Atari games
University of Toulouse（图卢兹大学）；CNRS（法国国家科学研究中心）；University of York（约克大学）
笛卡尔遗传编程（CGP）先前已经通过使用专用于计算机视觉的函数集来进化程序而显示出在图像处理任务中的能力。类似的方法可以应用于Atari游戏。程序是使用混合型CGP来进化的，其具有适合于矩阵操作的函数集，包括图像处理，但允许出现控制器行为。虽然程序相对较小，但许多控制器与Atari基准集的最先进方法相比具有竞争力，并且需要更少的训练时间。通过评估最佳进化个体的程序，可以找到简单但有效的策略。
2018-06-14 cs.AI cs.NE
How to advance general game playing artificial intelligence by player modelling
BrainWork Research Centre（脑力工作研究中心）；Finnish Institute of Occupational Health（芬兰职业健康研究所）；University of Helsinki（赫尔辛基大学）
由于被称为“深度学习”的各种技术，一般的玩游戏人工智能最近已经看到了重要的进步。然而，这些进步隐藏了同样重要的局限性，即它们依赖于：大量数据集;偶然构建的问题;以及缺乏任何人类水平的复杂性，包括其他人类对手。另一方面，深度学习系统确实击败了人类冠军，例如在围棋中，并不能很好地概括。深度学习的强大同时也暴露了它的弱点。鉴于深度学习主要是对成熟方法的巧妙重新配置，超越最先进的技术要求前瞻性的有远见的解决方案，而不仅仅是更多的相同。我提出的论点，一般的游戏玩人工智能将需要一个广义的球员模型。这是因为游戏本质上是人类的人工制品，因此，作为一类问题，包含需要人类风格解决问题方法的案例。我将这一论点与最先进的一般游戏代理的表现联系起来。然后，我描述了一个概念，一个正式的范畴理论基础，一个广义的球员模型。这种正式的模型方法集成了我现有的“Behavlets”方法，用于心理衍生的玩家建模：Cowley，B.，Charles，D.（2016年）。Behavlets：A Method for Practical Player Modelling Using Psychology-Based Player Traits and Domain Specific Features. User Modeling and User-Adapted Interaction，26（2），257-306.
2016-06-21 cs.AI cs.HC
Deep Reinforcement Learning for Playing 2.5D Fighting Games
National Taiwan University（台湾大学）
深度强化学习已经在游戏中取得了成功。然而，2.5D格斗游戏将是一项具有挑战性的任务，因为视觉外观的模糊性，如人物的高度或深度。此外，此类游戏中的动作通常涉及特定的连续动作顺序，这也使得网络设计非常困难。基于异步优势演员-评论家（A3 C）网络，我们创建了一个OpenAI健身房般的游戏环境与游戏的小战士2（LF 2），并提出了一种新的A3 C+网络学习RL代理。引入的模型包括一个循环信息网络，它利用游戏相关的信息功能与循环层观察战斗的组合技能。在实验中，我们在不同的设置中考虑LF 2，这成功地证明了我们提出的模型用于学习2.5D格斗游戏。
2018-05-05 cs.AI cs.LG stat.ML
