RLChina 智能体挑战赛 - 壬寅年秋赛季(2022.08.23-2022.10.23) 比赛内容：AI奥林匹克·相扑游戏 参赛思路：规则智能体+RL智能体 文章目录 游戏规则 一、基于规则的智能体 （一）基本规则智能体的设计思路（2022.09.23） （二）基本规则智能体的表现（2022.09.23） 二、规则智能体+RL智能体 2.1 手动提取特征(manual feature extraction) 2.2 重新封装环境 2.3 训练表现 三、代码下载链接 游戏规则 “奥林匹克 相扑”规则（可参考科目-奥林匹克 相扑）： 本游戏共有两方，对战双方各控制一个
本文介绍了在AI奥林匹克·相扑比赛中，结合规则智能体和RL（PPO）智能体的策略。通过手动特征提取、环境封装和训练，智能体试图通过PPO算法学习最优行为。尽管经过2M次训练，智能体的胜率仍不足20%，可能的原因包括奖励设计、特征信息不足、网络结构简单或训练样本不够。作者分享了代码链接，邀请读者尝试改进。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
