SwarmBrain: 通过大模型玩实时战略游戏《星际争霸II》

人工智能咨询培训老师叶梓 转载标明出处

实时战略（RTS）游戏如《星际争霸II》一直被视为测试和提升AI能力的绝佳平台。尽管基于强化学习（RL）的AI代理在《星际争霸II》中取得了显著进展，但它们在处理复杂环境时仍面临挑战。LLMs以其高层次的抽象能力和对复杂情境的理解能力，为AI代理提供了更全面的战场视角，从而可能提高其在复杂场景中的表现和适应性。

最近，来自宝马诚迈公司的研究团队在各种探索性任务中取得了显著成就，甚至超越了传统基于强化学习的方法。本文将探讨LLMs在执行《星际争霸II》游戏中实时战略任务的有效性，并介绍一个名为SwarmBrain的执行实时战略的嵌入式智能体。

SwarmBrain框架

SwarmBrain与《星际争霸II》环境交互的框架图

图1框架是理解SwarmBrain如何在实时战略游戏中运作的关键。

环境观察：SwarmBrain通过python-sc2 API接口获取游戏状态信息。这个接口充当了SwarmBrain与游戏环境之间的桥梁，提供了关于游戏内各种单位、建筑和资源的实时数据。

数据提取：从游戏环境中获取的原始数据是复杂且庞大的。SwarmBrain采用选择性提取过程，只提取对决策过程至关重要的数据。这有助于减少处理数据所需的计算资源，并提高决策速度。

数学计算：提取的数据经过一系列数学运算，转化为必要的参数。这些参数为SwarmBrain提供了对游戏状态的定量理解，比如资源数量、单位状态和敌人的位置等。

自然语言输入：将处理后的数据封装成自然语言描述，作为主宰智能矩阵（Overmind Intelligence Matrix）的输入。这种自然语言描述使得大型语言模型（LLM）能够理解和分析游戏状态。

策略制定：主宰智能矩阵基于输入的自然语言数据，制定战略指令。这些指令包括资源分配、扩张方向和攻击协调等。主宰大脑（Overmind Brain）和星际争霸II大脑（SC2 Brain）共同工作，将战略概念转化为可执行的命令。

命令执行：Swarm ReflexNet接收主宰智能矩阵的指令，并将其转化为具体的操作。这些操作包括单位移动、攻击和建筑建造等。Swarm ReflexNet确保这些操作能够快速、准确地执行。

反馈循环：执行的操作结果会反馈到SwarmBrain，形成闭环。这样，SwarmBrain可以根据最新的游戏状态调整其战略和战术，确保持续的适应性和有效性。

实时决