专栏首页机器之心2018 AIIDE星际争霸AI全球挑战赛结果出炉!中科院季军,三星拔得头筹

2018 AIIDE星际争霸AI全球挑战赛结果出炉!中科院季军,三星拔得头筹

机器之心报道

机器之心编辑部

2018 年 11 月 13-17 日,AAAI 人工智能与交互式数字娱乐大会 (AIIDE) 上,第八届 AIIDE StarCraft AI 挑战赛顺利结束。今年共有 27 支队伍参加了比赛,包括三星、Facebook、斯坦福大学、中科院自动化所、Bilibili 以及 Locutus 等。三星 SAIDA 获得冠军,Facebook 团队开发的 CherryPi 获得亚军,中科院自动化所智能系统与工程研究中心的张俊格研究团队获得季军。

星际争霸游戏是一款经典的即时战略(RTS)游戏,自 1998 年发行以来在全球范围内备受欢迎。星际争霸 AI 竞赛自 2010 年出现后,每年都会举行,且参与者越来越多。参赛者提交星际争霸 AI bot,这些人工智能体将在《星际争霸:母巢之战》零售版中互相格杀。受早期 RTS 游戏竞赛(如 Open RTS (ORTS) 竞赛)的启发,星际争霸 AI 竞赛逐渐成为展示当前最优 RTS 游戏人工智能体的绝佳场地。开发者使用 BWAPI 控制星际争霸 AI 智能体。BWAPI 于 2009 年首次提出,是为 StarCraft AI 竞赛的服务的开发接口,也就是用代码玩 StarCraft,它提供了一个 C++的编程接口,可自由编程生成 dll 格式的 AI 文件。

SAIDA、CherryPi 比赛视频演示

AIIDE StarCraft AI 挑战赛自 2010 年起已连续举办九届,目前三星、Facebook、斯坦福大学、中科院自动化所等知名机构与高校都在研究星际争霸 AI,以提升 AI 智能体的通用能力。

2018 AIIDE StarCraft AI 全球挑战赛共吸引了全球 27 支队伍参加竞赛,其中确定来自中国的队伍包括:

  • BlueBlueSky,团队成员来自地平线侯鹏飞、中科院自动化所张恂、薄紫彤、兴军亮等;
  • CES,来自中科院自动化所智能系统与工程研究中心的张俊格研究团队;
  • KillAll,来自中国国家重点实验室的 Zhentao Tang 独自参赛;
  • LastOrder,来自 Bilibili 的 Sijia Xu

2018 AIIDE StarCraft AI 挑战赛参赛队伍概览。图源:https://www.cs.mun.ca/~dchurchill/starcraftaicomp/2018/

不久之前,2018 AIIDE StarCraft AI 全球挑战赛结果最终出炉,三星 SAIDA 获得冠军,Facebook 团队开发的 CherryPi 获得亚军,中科院自动化所智能系统与工程研究中心的张俊格研究团队获得季军。

2018 AIIDE StarCraft AI 挑战赛结果,图源:https://www.cs.mun.ca/~dchurchill/starcraftaicomp/2018/

SAIDA 战队

今年获胜的是三星 SAIDA 团队,它在 10 张地图的 2590 场比赛中获胜了 2484 场,总胜率达到了 95.91%。SAIDA 团队负责人 Chang-hyeon Bae 说:「我们的 AI bot 获胜的秘诀在于,它会积极响应对手的策略,并在适当的时间给对手强硬的打击,这一过程需要非常精细的单位控制。我们同样会在 110000 组专业竞赛团队的重播数据上应用机器学习技术,以进一步提高 AI bot 的竞争力。」

SAIDA 在所有比赛中都使用人族(terran),它在初期倾向于使用保守策略,而在比赛中期后就尝试使用更激进的策略并组织大规模攻击。SAIDA 认为人族可以应对大多数对手的策略,并且缺点也少。

SAIDA 团队主要使用有限状态机控制所有作战单位和建筑,每一个单位和建筑在每一种情况下都有特定的状态。且他们还会使用一些搜索算法搜索敌方基地。

此外,SAIDA 团队不仅能通过卷积神经网络抽取电子竞技视频中的策略信息,并将这些信息解码为战斗决策,同时还会利用多智能体强化学习学习如何微观操作。不过这些技术暂时还没有加入到比赛系统中。

Facebook 团队开发的 CherryPi

CherryPi 由 Facebook AI Research 开发,它使用虫族(Zerg)进行战斗,在每次对决(matchup)中使用 8-13 个策略。CherryPi 使用的 AI 技术包括:

  • 搜索:使用区域级路径搜索对地图障碍派送侦查单位,使用 threat-aware 路径搜索指引单位退出战场。
  • 离线机器学习:基于论文《An LSTM model for high level strategy selection》中的人类数据的卷积网络模型。
  • 离线强化学习
  • 在线学习
  • 地图分析:使用 BWEM 库(即 Brood War Easy Map)。
  • 分析之前在离线训练阶段的竞赛。

CherryPi 具备高效的宏观管理能力、策略选择能力、军队定位能力、基本单位控制能力。在这次竞赛中取得了亚军的好成绩。

中科院自动化所开发的 CSE

中科院自动化所张俊格团队本次设计开发的「CSE」bot 在 2591 场比赛中以 87.11% 的胜率荣获中国参赛队伍第一名、全球第三名的优异成绩。张俊格团队在具有自主进化的多智能体控制、基于敌对方意图分析的态势认知、博弈对抗机理分析、强化学习等领域开展了一系列研究与应用工作,同时还公开了星际争霸基准数据集以进一步促进星际 AI 的发展。此外,张俊格团队去年开发的 CPAC bot 获得了该竞赛的国际第四名。

CSE 使用神族(Protoss),采用的是规则和学习联合驱动的方式,比如,在 build order queue 为空的时候,CSE 使用深度学习来预测待训练单位。

总之,AIIDE StarCraft AI 挑战赛的比赛结果、获胜团队的技术介绍如同前文所展示的。至于在这些 bot 在比赛视频中展示出的效果我们就不一一截取 GIF 展示了,毕竟作为一家年轻的公司,小编们会玩 Dota2、撸啊撸、王者荣耀以及守望屁股、吃鸡,就是没人会玩星际争霸~~~

参考地址:https://www.cs.mun.ca/~dchurchill/starcraftaicomp/2018/

本文分享自微信公众号 - 机器之心(almosthuman2014)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-11-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 腾讯IEG开源GAME AI SDK:自动化测试吃鸡、MOBA类游戏

    近日,腾讯互娱(IEG)开源了一款名为 GAME AI SDK 的自动化测试平台,该平台封装好了多种工具供开发者使用,目前支持的游戏类型有跑酷类、吃鸡类、射击类...

    机器之心
  • 2019全球AI人才分布图:美国占44%,中国人才净流入

    种种证据表明,当前顶级 AI 人才明显供不应求。但这种人才到底有多稀缺以及他们分布在全球哪些地方,却鲜为人知。本报告总结了我们对全球 AI 人才库范围和广度的第...

    机器之心
  • AI玩转「吃鸡」游戏,会避障导航、帮队友望风,这是强化学习训练的猎户座α

    《荣耀之海》是西山居自主研发的新一代多人在线战术竞技游戏。游戏主打时下最火热的「吃鸡」玩法,百名玩家通过海上与陆上的大逃杀决出胜者。

    机器之心
  • 一步一步学习Vue(十一)

    Jerremy
  • win10 uwp 使用 asp dotnet core 做图床服务器客户端 服务器端客户端

    本文告诉大家如何在 UWP 做客户端和 asp dotnet core 做服务器端来做一个图床工具

    林德熙
  • dotnet 使用 GZipStream 压缩字符串

    在 dotnet 提供了 GZipStream 进行方便的 Stream 压缩,可以用这个方法压缩字符串

    林德熙
  • 走近源码:压缩列表是怎样炼成的

    经过前面对Redis源码的了解,令人印象深刻的也许就是Redis各种节约内存手段。而Redis对于内存的节约可以说是费尽心思,今天我就再来介绍一种Redis为了...

    Jackeyzhe
  • 谷歌、Facebook、微软、亚马逊围绕人工智能的演进与蜕变

    【新智元导读】李飞飞加入谷歌是最近 AI 界的一件大事,反映了谷歌、微软、亚马逊、Facebook 等科技巨头正在积极重塑自己在人工智能领域的策略。这些公司不仅...

    新智元
  • geotools中等值面的生成与OL3中的展示

    本文讲述如何在geotools中IDW插值生成等值面,并根据给定shp进行裁剪,并生成geojson数据,以及Openlayers3中展示。

    lzugis
  • webgame开发中的文件加密

    一般的webgame中都会对资源、消息进行加密,这里只是简单记录一下对文件的加密过程。

    meteoric

扫码关注云+社区

领取腾讯云代金券