知识卡片
分层状态机加强化学习
游戏 AI 最常用的是有限状态机,复杂场景下需要分层管理,形成分层有限状态机:切换时先进入高层状态,再进入底层状态。书中在这一结构上对不同层应用强化学习,用 DDPG 神经网络在分层状态机中做决策,形成多行为决策引擎,让智能体行为更有变化,并能在复杂场景中快速反应。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《分布式人工智能:基于TensorFlow、RTOS与群体智能体系》第10章《开发群体智能仿真对抗系统》(源文件:_epub-src/OEBPS/Text/chapter10-6.xhtml)
- 结论依据:原文说明有限状态机是游戏任务AI最广泛的算法和设计模式,复杂网络需分层管理,引入分层有限状态机;切换时先进入高层状态再进入底层状态;建立分层行为数据后对不同层应用强化学习,用DDPG决策搜索分层状态机,形成多行为决策引擎。
- 原始内容:对于复杂的大型状态机网络,我们需要对它进行分层管理,引入“分层有限状态机的概念”,将结构和模式分类。……就可以对不同的层结构应用强化学习算法,实现通过神经网络DDPG算法的决策,搜索分层有限状态机,从而形成智能体多行为的决策引擎。