PyTAG：桌面游戏中强化学习的挑战与机遇
摘要：通过强化学习（RL），近年来游戏人工智能研究取得了重要突破。尽管如此，现代桌游的RL研究却几乎没有受到任何关注，即使与视频游戏相比，桌游提供了一系列独特的挑战。为了弥补这一差距，我们介绍了PyTAG，这是一个用于与Tabletop Games框架（TAG）交互的Python API。TAG包含了一套超过20个现代桌游，并提供了用于AI代理的通用API。我们提出了在这些游戏中训练RL代理的技术，并在训练了一部分游戏上的Proximal Policy Optimisation算法后介绍了基准结果。最后，我们讨论了复杂的现代桌游所提供的独特挑战，并通过PyTAG开放给RL研究。
作者：Martin Balla, George E.M. Long, Dominik Jeurissen, James Goodman, Raluca D. Gaina, Diego Perez-Liebana
论文ID：2307.09905
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-07-20