历史最高分!腾讯绝悟AI斩获Minecraft AI竞赛冠军
绝悟AI开始挑战更复杂的历史开放世界游戏环境了。
Minecraft (中文译名《我的最高I斩世界》) 是全球最畅销的开放世界3D游戏。随机生成的分腾开放地图、自由灵活的讯绝玩法、多线程长链条任务,竞赛给AI研究带来了极大挑战。冠军针对Minecraft的历史复杂环境,游戏AI赛事MineRL邀请全球程序员在4天时间内用一台计算机训练AI找到游戏中的最高I斩钻石。
12月8日,分腾第三届MineRL竞赛主赛道 (research track) 发布成绩,讯绝AI 的竞赛“钻石之梦”向前踏进了一大步:腾讯AI Lab“绝悟”以76.970分的绝对优势夺冠。研究成果已发布在Arxiv上,冠军算法框架可复用于其他复杂决策环境。历史
(论文链接:https://arxiv.org/abs/2112.04907)
MineRL竞赛由卡内基·梅隆大学、微软、DeepMind、OpenAI,联合机器学习顶级会议NeurIPS共同举办,极富挑战性的赛题持续吸引全球开发者关注。今年赛事共有59支团队、近500名选手投身其中,其中不乏世界顶级学府和研究机构的科研强队。竞赛的研究主题是:训练样本高效的Minecraft AI智能体。
腾讯AI Lab创新性地通过分层强化学习(Hierarchical Reinforcement Learning)、表示学习(Representation Learning)、自模仿学习(Self-imitation Learning)、集成行为克隆(Ensemble Behavior Cloning)等算法高效实现比赛目标。
(绝悟AI以压倒性优势获得历史最高分,今年榜单详见链接)
极度多样的环境、完全靠随机种子生成的地图、长决策序列与复杂的技能学习、高自由度玩法带来的海量策略偏好都增加了Minecraft AI研究的难度。比如,为了让AI在15分钟内找到钻石,AI需要经历徒手采集原木、合成木板、木棍与木镐,采集到铁矿,经过一系列加工才能合成钻石。
此外,主办方还制定了种种严苛的规则:包括禁止参赛者编写规则、游戏环境甚至将背包信息与动作空间加密、且不允许使用预训练模型,只允许与环境最多交互八百万次,每个参赛队伍只能使用6核CPU与半张NVIDIA K80显卡训练4天——这个配置几乎对于所有高校实验室与个人研究者都可以负担的。
这次比赛的目的在于促进样本高效 (Sample-efficient) 游戏AI算法的发展。目前流行的强化学习算法一般需要多达成百上千万次的试错来寻找最优流程,耗费大量的时间和计算资源。而纯靠人类数据的模仿学习算法虽然更快,但性能上往往不尽如人意。
(Minecraft 游戏截图)
绝悟AI创新性地提出了一种样本高效的基于分层强化学习(Hierarchical Reinforcement Learning)的解决方案。数据表明,腾讯AI Lab推出的上层控制器的预测准确率可以达到99.95%,也就是说,AI从人类数据中学到了一套几乎不出错的宏观策略,每时每刻都清晰地知道自己下一步的正确动向。
在状态空间表征上,Minecraft游戏遇到的最大挑战在于如何理解复杂的开放地图。首先被选中的是近年来热门的表示学习方法 (Representation Learning)。但研究人员很快发现,已有方法只适用于2D场景,在MineCraft游戏环境里效果很差。于是腾讯AI Lab设计了一种“基于动作感知”(Action-aware Representation Learning)的新颖算法,用来捕捉每个动作对环境产生的影响,形成注意力机制。实验表明,该算法可以显著提升智能体获得资源的能力与效率。
(不同动作的可视化结果,AI学会了关注当前图像中的关键区域)
随着游戏推进,智能体与人类的策略出现了很大的分歧。此时,人类数据已经很难用于指导AI。绝悟AI使用了自模仿学习 (Self-imitation Learning)的思想,提出了基于鉴别器的自模仿学习算法,AI可以从自身过往的成功与失败中获得经验与教训,并在察觉到当前状况不妙的时候,主动往更好的方向修正。对比实验证明,在加入自模仿策略后,智能体探索到的行为更加一致,也可以显著降低进入危险区域的概率。
对于合成物品等需要长链条的动作序列的任务,研究人员也做了细致的优化。通过动作序列一致性过滤 (Consistency Filtering) 与基于投票的集成学习(Ensemble Learning),模型在合成物品阶段的成功率从35%提升到96%,一举将最薄弱的链条扭转为了最稳定的制胜点。
利用高度复杂、高度定制化的游戏场景作训练场,腾讯 AI Lab 的深度强化学习智能体正不断走近现实。棋牌游戏 AI “绝艺”从围棋棋盘逐步走向象棋、麻将,策略协作型 AI “绝悟”从MOBA走向FPS、RTS,再到如今的 3D开放世界 MineCraft。它们迈向全新挑战的每一步,都让AI离解决现实问题、科技向善的大目标更近了一步。
随着虚实集成世界逐步变成现实,这些研究的经验、方法与结论,将在真实世界创造更大的实用价值。
雷峰网(公众号:雷峰网)
友链
外链
互链
Copyright © 2023 Powered by
六合彩图库源码【购买联系电报bc3979】AC彩票网站源码|六合彩源码|彩票搭建|新中原六合彩源码|【网站bc9797.com】六合彩论坛源码【联系飞机bc3979】
sitemap
-
文章
2783
-
浏览
4
-
获赞
39751
热门推荐
-
BILLY’S x 范斯 2019 联名 VARIX WC 及 BRUX WC 鞋款系列发售
潮牌汇 / 潮流资讯 / BILLY’S x 范斯 2019 联名 VARIX WC 及 BRUX WC 鞋款系列发售2019年08月15日浏览:3427 去年 8 月世界黑客大赛:苹果Mac潜伏近30年“骨灰级”漏洞
正在加拿大温哥华进行的Pwn2Own世界黑客大赛上,代表中国参赛的360安全战队轰动全场。在远程攻破苹果Safari浏览器的比赛中,他们以一个MacOS里潜伏近30年的“骨灰级”漏洞获得内核ROOT权吉林:23家“放心消费示范单位”通过考核验收
中国消费者报长春讯付晶记者李洪涛)7月21日,随着最后一家单位通过验收,成功挂牌,吉林省吉林市市场监管局龙潭分局圆满完成2023年度23家“放心消费示范单位”的考核验收工作。一家放心消费示范单位顺利通国羽结束一月征程,印尼赛两冠一亚成绩尚可,双打带来惊喜男单成为老大难
国羽结束一月征程,印尼赛两冠一亚成绩尚可,双打带来惊喜男单成为老大难_羽毛球 - 世界杯,欧洲杯,天下体育,足球,世界杯,篮球,羽球,乒乓球,球类, 棒球 ( 组合,女单 )www.ty42.com耐克 Kyrie 5 鞋款“Team Bank”配色系列 9 月开售
潮牌汇 / 潮流资讯 / 耐克 Kyrie 5 鞋款“Team Bank”配色系列 9 月开售2019年08月20日浏览:2828 在波士顿店铺 CONCEPTS 带来费迪南德回归 鲁尼搭档放佩西
12月02日报道:北京工夫明天(12月02日)凌晨01点30分,2012-13赛季英超将停止第15轮的一场比赛,曼联做客马德伊斯基球场对阵雷丁。安然跨越式转型,迎来崭新数字化时代——“双中台”项目即将启动
随着云计算、大数据、人工智能等新一代技术的爆发式发展,数字化商业的浪潮悄然来临,商业运行的方式和场景出现了巨大的变化。要么驾驭潮头,要么被潮水冲走,没有第三条路可走。当新的时代大潮来临之时,如何才能成大侠立志传新手怎么玩枪法
大侠立志传新手怎么玩枪法36qq10个月前 (08-16)游戏知识72记者:雷恩关注林德洛夫,但球员和曼联都无意进行该交易
据推特消息,记者Fabrice Hawkins透露,雷恩一直在关注林德洛夫,他是法国球队引援名单上排名前列的人选,但这桩交易很复杂,因为瑞典国脚在曼联很开心。罗马诺表示,林德洛夫并不想将雷恩作为下一站吉林敦化:2023年上半年商品类投诉占投诉总量六成多
中国消费者报长春讯韩馨瑶记者李洪涛)8月3日,记者从吉林省敦化市市场监督管理局获悉,2023年上半年,该局受理全国12315平台、12345政务服务热线、民生热线、现场及投诉电话的投诉、举报、咨询共1加沙地带民众:大多数空投物资掉进大海,无法获得
当地时间3月9日,在巴勒斯坦加沙地带北部的加沙城和杰巴利耶,加沙民众争抢有限的空投物资。他们无奈地抱怨称,大多数空投的援助物资都掉进了大海,无法获得。加沙城居民:空投援助非常残酷,不得人心,需救助的地康恩贝:大观霉素以零缺陷通过美国FDA检查
12月9日-13日,美国食品药品监督管理局(简称FDA)对金华康恩贝进行了现场检查。本次检查主要内容是公司的生产现场、文件体系、上期FDA缺陷整改等情况。经过一周严格的检查,检查团队一致认为金康已经建吉林:十一“黄金周”将至 警惕保健食品促销陷阱
中国消费者报长春讯记者李洪涛)9月27日,记者从吉林省消费者协会获悉,今年7月,吉林省消协联合吉林省律师协会开通了老年人消费维权绿色通道,安排专职工作人员负责受理老年消费者咨询与投诉,对需要法律援助的《歧路旅人2》药师怎么玩
《歧路旅人2》药师怎么玩36qq10个月前 (08-16)游戏知识64直销“归零”、官宣“合并”后,雅芳如何定制中国市场新路?
去年一年,老牌外资企业雅芳经历了直销“归零”、官宣“合并”等事件。对此,雅芳全球首席美容官James Thompson近日在媒体沟通会上宣布,为了继续深耕中国市场,雅芳未来将带来更多“中国定制”的