返回主题:强化学习与多智能体

知识卡片

普通读书笔记卡 · 2798.b

分层状态机加强化学习

理解等级:未标注

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?

已有反馈 · 0 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。