伯恩来自奥菲坦普尔。

量子比特|微信官方账号QbitAI

现在AI已经开始一帧一帧的学习玩街机游戏了？

拳皇98，街头霸王，生与死...小时候的记忆我都玩过，包括铁拳这种号称要打5000局才能上手的3D格斗游戏；

没错，就是铁拳，对新手极其不友好。随便拉一个角色的搓桌子，感受一下复杂程度:

(是的，JF技术的各种分幅决策是它的特点之一。)

△铁拳TT2移动工作台

但偏偏艾却能够在短时间内通关入坑最高难度:

△左边是AI

这个AI的背后是个人开发者，是硬核街机游戏爱好者。

他培养的新手“铁匠”在Reddit的“游戏录播”已经热了近500；

加强学习和培训框架

这个AI铁匠的背后是一个叫做DIAMBRA Arena[/s2/]的强化学习交互框架。

DIAMBRA Arena为强化学习提供了许多研究和实验环境，它有一个情景式的强化学习任务，由离散的动作(如游戏手柄按钮)和屏幕中的像素和数据(如人的血条)组成。

在这个框架中，智能体会向环境发送一个动作，环境会对其进行处理，并相应地将一个初始状态转化为一个新的状态，然后将观察和回报返回给智能体，如此交互循环:

实现上述循环的代码也非常简单:

导入diambraArena

#强制设置

设置= {}

设置["gameId"] = "doapp" #游戏选择

设置[" romsPath "]= "/Path/to/Roms/" # Roms文件夹的路径

env = diambraArena.make("TestEnv "，settings)

observation = env.reset()

虽然正确:

actions = env . action _ space . sample()

观察、奖励、完成、信息=环境步骤(操作)

如果完成:

observation = env.reset()

破裂

env.close()

这个框架目前支持Linux、Windows、MacOS等主流操作系统。

这个AI的“实战场”就是早期的铁拳Tag锦标赛。当然，拓印的复杂程度并不比后来的新版本逊色...

开发商选择了金和纪广两个有代表性的人物作为主要操作对象。

输入有:游戏画面从RGB转换为灰度并缩小到128 x 128px的像素值、匹配数(阶段)、角色的血条、游戏界面的一面。

训练中的奖励是基于健康价值的函数。如果对方生命值受损，将获得正奖励，而由自己控制的角色生命值损失将获得负惩罚。

同时AI的动作速率也被限制在最大速率的1/10，即游戏中每6步发一个动作。

因为帧使用离散动作空，代理只能选择一个移动动作9(向上、向下等)。)或在训练中同时进行攻击动作(冲击、踢腿、出拳)。

所以一个连击组合虽然实战能力更强，但是因为AI不能同时点击两个动作，所以在真实战斗中，AI会频繁使用踢和换:

在评论区，一位资深PVP爱好者表示，他很想看到这种顶级AI玩家互相辱骂的激烈场面，开发者本人对此也非常赞同:

我们正在创建一个平台，程序员将在这个平台上提交他们训练有素的人工智能并相互竞争，并在我们的频道上玩游戏。

人工智能锦标赛

现在，开发者团队已经开始正式筹备这场“AI游戏锦标赛”。背后的程序员和开发人员相当于“教练”或“玩家的父母”，最后的赢家可以获得1400瑞士法郎(折合人民币9261元)。

“竞赛项目”不仅仅是一种铁腕手段。开发者表示，这些格斗游戏的底层机制都差不多，只需要修改组合技能、人物血条值等游戏的不同属性。

所以他们的DIAMBRA Arena框架为各类街机电子游戏提供了完全符合OpenAI健身房标准的Python API。

许多流行的街机游戏，如死亡或生命，街头霸王等等，都包括在内:

GitHub链接:

https://github.com/diambra/diambraArena

视频链接:
https://www.youtube.com/watch? v = 9 hakehifjy