首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >腾讯王者荣耀 AI 论文 :AI 王者 VS 真人王者 !

腾讯王者荣耀 AI 论文 :AI 王者 VS 真人王者 !

作者头像
小小詹同学
发布2019-11-13 13:59:28
9420
发布2019-11-13 13:59:28
举报
文章被收录于专栏:小詹同学小詹同学

本文授权转载自公众号量子位,ID: QbitAI

王者峡谷可能马上要被AI支配了!

腾讯刚刚发布的一篇论文显示,王者荣耀AI在不声不响间,又掌握了新的技能:组团开黑。而且战绩不俗。

5个各自独立的王者荣耀AI学会开黑技能后,5v5对阵《王者荣耀》王者段位人类玩家,大战250局,一举拿下48%的胜率,几乎可算战成平手。

不得了。

上个月,王者荣耀体验服开启了困难等级的人机练习模式测试,据说机器人只有铂金段位的水平,然而已经让一票大牛觉得不好打。

现在王者段位水准的AI已经出现了,就问你怕了没。

王者荣耀AI难在哪里

腾讯去年就隐隐约约的透露在搞王者荣耀AI。

有时说得“明目张胆”,有时又显得有点“遮遮掩掩”。去年,腾讯高管就曾透露下围棋的绝艺,正在尝试学打王者荣耀。

在最新披露的论文里,腾讯表示虽然AlphaGo已经是AI里程碑,但下围棋与现实世界相比,仍然是一个非常简单的问题。

更复杂的问题是实时战略(RTS)游戏,而其中最受欢迎的分支是MOBA游戏,包括Dota、英雄联盟以及王者荣耀等等。

一局王者荣耀平均时长20分钟,大约相当于2万帧。

围棋一局通常不超过361手。

在每一帧画面中,玩家需要在数十个选项中作出决定,包括有24个方向的移动键,以及一些技能键,有的技能键还有方向。及时经过大幅简化和离散化,以及把响应时间增加到200ms,动作空间的数量级仍有101500。

而围棋的动作空间约为10250。

至于状态空间,王者荣耀地图的分辨率是130000×130000像素,每个英雄的大小是1000像素。在每一帧,每个英雄都有不同的状态,如血量、等级、经济等等。即便经过大幅简化,状态空间仍有1020000。

总结如下表,两个字:复杂。

王者局5v5开黑战绩亮眼

即便这么复杂,腾讯还是取得了突破。

来看看AI是怎么打农药的。

先看看开局,这是最重要的阶段之一。下面的四张注意力分布图,这些代表着AI学会的不同开局策略。四张图从左到右,分别是:貂蝉(法师)、韩信(刺客)、亚瑟(坦克)和后裔(射手)。

可以看到,AI貂蝉在开局阶段重点关注中路外塔,AI韩信关注本方上路野区蓝Buff,AI亚瑟和AI后裔关注本方下路野区红Buff。没有列入的第五个英雄AI宫本武藏,会去守卫本方上路的外塔。

这就是一个王者荣耀的常见开局。

随着游戏的推进,AI对走位的注意力也会逐渐发生变化。通过下面这个图表可以看到,随着时间的推移,AI各个英雄之间的走位也会越来越近。

这种分工联动是这次王者荣耀AI最大的提升之处。

说结果。升级之后的王者荣耀AI,为了验证自己的实力,开始找人类练手。五个AI组队开黑,与人类玩家5v5大战250局。最后,AI战队的胜率达到了48%。

这些玩家都是王者段位,属于人类玩家中Top 1%那一部分。

腾讯在论文中表示,AI战队取得的人头数,比人类战队少15%;而在推塔、团战率和经济获取方面,与人类战队相当。

在开局前10分钟,AI战队比人类战队要多推掉2.5个塔。10分钟之后,由于团战能力较弱,双方的推塔数量逐渐接近。这个特点被腾讯归纳为:AI在宏观战略的制订方面,已经接近甚至优于人类高手。

王者AI背后的算法

AI逼平人类王者,靠的是什么手段?

答案是,一个基于学习的分层宏观策略(Hierarchical Macro Strategy)模型。经过这个模型的熏陶,控制每个英雄的智能体就既能独立做出决策又不忘与队友沟通,成为顶尖选手。

名字里的“分层”,指的是这个模型分为注意力层(Attention Layer)和时期层(Phase layer),前者用来预测英雄该去哪儿,后者负责识别游戏进行到了什么阶段,是前期、对线还是后期。

我们先看注意力层,也就是AI怎样判断它的英雄该去哪儿。

培养这项能力,首先要有合适的训练数据,而在王者荣耀里,想判断英雄“到了这儿”,最合适的标准莫过于“在这儿打起来了”。

于是,腾讯在标注训练数据时,把下一次攻击发生的地点,定为英雄现在该去的地点。

比如说上图就以韩信为例,展示了游戏开局时英雄该往哪走。其中左侧显示的是游戏在初始阶段s-1时的状态,中间和右侧红框标出的ys、ys+1显示的是韩信进行第一、二次攻击的位置,也就是他在s-1、s两个阶段该去的位置。

AI的目标,就是学会在s-1阶段该准备去y位置,在s阶段该去ys+1位置。

用这样的数据训练注意力层,就能让AI掌握英雄移动的奥义。

知道了该去哪还不够,要想上王者,还得会判断局势,调整策略。这就是时期层的工作了。

想知道游戏进行到了前期、对线期还是后期,只靠时间当然不够。好在游戏里主要资源的状况和阶段密不可分。比如说,如果英雄还在以推外塔打暴君(小龙)为目标,那游戏一定刚刚开局;如果打到了敌方家里,那当然是后期了。

所以,教AI判断局势,根据的也是对敌方主要资源的打击状况,包括塔、暴君、主宰(大龙)和水晶(base)。

上图显示的就是时期层关注的敌方主要资源,模型要从中学会的,是根据资源状况来判断现在该打击什么主要资源了,并进一步判断要完成哪些小目标。

比如下图显示的偷蓝buff(野怪)、清下路兵线,就都是推一塔这个时期的小目标。

能分析局势、确定目标,还知道该往哪儿走,剩下的就是队友之间的沟通配合问题了。

不过要学沟通,真的没什么人类对战的数据能拿来训练。毕竟人类队友的沟通充满怨念

于是,腾讯设计了一种全新的跨智能体沟通机制,用队友的注意力标签来训练AI,让它学会预测队友要往哪走,并据此做出决策。

就这样,一支队伍中的5个智能体就可以协作了,也算是一种“沟通”机制吧。腾讯称之为模仿跨智能体沟通(Imitated Crossagents Communication)。

论文

这篇论文名为:

Hierarchical Macro Strategy Model for MOBA Game AI

作者:Bin Wu、Qiang Fu、Jing Liang、Peng Qu、Xiaoqian Li、Liang Wang、Wei Liu、Wei Yang、Yongsheng Liu,来自腾讯AI实验室。

关于第一作者Bin Wu,量子位查了一下,他现在是腾讯AI实验室的高级研究员,也是王者荣耀AI算法设计和开发的技术负责人。

此前,他还还是腾讯一个量化交易项目的核心成员,负责机器学习算法的设计和开发。这个团队搞的模型,已经获取了70%的净收益,2017年在A股市场的回报率为5%。

公开的资料显示,Bin Wu于2016年12月加入腾讯至今。此前,他曾在百度供职一年,负责Duer相关的项目。

2011年,Bin Wu本科毕业于上海交大,2015年在中国香港科技大学获得博士学位。

好了,王者荣耀AI的故事就讲到这里。

本文授权转载自公众号量子位,ID: QbitAI
本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-12-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 小詹学Python 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 王者荣耀AI难在哪里
  • 王者局5v5开黑战绩亮眼
  • 王者AI背后的算法
  • 论文
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档