这款超火的游戏，AI只用4小时，就秀出了人类花1年才能达到的水平
Reddit热度2.7k
萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI
操控一辆赛车，在空中带球射门，需要练习多长时间？
通常来说，一名普通玩家要达成这样的水平，至少要练习上一年时间。
这是一款国外很火的游戏《火箭联盟》 （Rocket League），玩家会操作一辆赛车，利用各种办法将球“踢”进门。
然而，现在已经有人开发出了一个基于深度强化学习的赛车游戏环境RoboLeague。通过环境训练的赛车，不仅能看准时机射门：
还在4小时的训练后，就能长时间颠球，保证车和球都不落地：
这个RoboLeague，一下子在Reddit炸出了2.7k的热度。
有网友调侃，看到这些比自己玩得好的“AI选手”，总会让他感觉很挫败。
那么，这个赛车游戏环境，究竟优秀在哪里？
比已有的游戏环境更好用
事实上，这并不是第一个基于《火箭联盟》做出的游戏环境。
有网友很快指出，此前已有支持用自定义赛车玩《火箭联盟》的RLBot，效果挺不错。
在RLBot中，同样允许玩家用自己编写的代码来控制赛车。
而且，玩家能通过游戏场景的反馈，对代码进行反复调试，最终做出想要的机器人赛车。
事实上，作者在训练强化学习模型前，并非没有考虑过RLBot。
毕竟，这个框架支持各种语言，让玩家能编写出想要的机器人赛车。
然而，在尝试过RLBot后，作者还是决定基于Unity引擎，自己开发一个游戏环境。
主要有3点原因：
- 基于Unity引擎打造的环境，能够自己创建想要的游戏场景。
- 此外，在RLBot中，基于实时数据训练AI模型的速度，其实并不快。而如果游戏再大点，在RLBot中训练可能就会出现问题了。
- 自己创建的游戏环境，可以并行训练游戏中的多个实例。相比之下，RLBot基于《火箭联盟》搭建，只能同时玩1场游戏，无法并行训练。
那么，在RoboLeague环境中，如何训练出这样一个“聪明的”智能体？
基于强化学习，训练出智能体
在训练之前，先来了解一下，《火箭联盟》中大致有些什么规则，玩家又是怎么射门的。
整体来说，这是一个玩家通过控制赛车，来进球射门的游戏。
其中，这里面的赛车和球，符合一些物理规则：
球具有弹性，可以从地面/墙壁反弹、受摩擦力和重力影响
赛车在地面可以加速制动，在空中的控制也符合物理条件
赛车的轮子具有某种黏力，可以在墙壁上运动不脱落下来
而《火箭联盟》中的一些高级玩家，通常会想办法让自己和球不落地，完成空中带球射门。
但要达到这样的水平，不仅要对场地有足够的了解，操作水平也必须在线。
这其中，作者利用了强化学习中的“奖励机制”，来告诉智能体应该怎么做。
智能体并不需要基于先验知识完成操作，而会通过尝试各种随机行为，试图达成“奖励机制”的要求。
而作者给出的唯一一个奖励机制，就是保证赛车和球不落地，即“活着”。
因为只要不落地，空中带球的条件就完成了大半。
在反复尝试后，智能体发现，只要让赛车尽可能垂直竖在空中，同时保持颠球的稳定，就能保证“活着”。
也正是在这样的奖励机制下，只用4个小时（约50M次运行），赛车就完成了自己的目标。
如果想要让智能体完成更复杂的任务，如空中带球射门等，也只需要找到对应的奖励机制，利用强化学习训练就能达成。
目前，作者已经将RoboLeague开源。
也就是说，如果你想要训练出符合自己要求的深度强化学习模型，那么用这个游戏环境，就能进行训练。
关于作者
作者@Roboserg，并未透露自己的真实姓名，不过此前，他已经做出了很多利用强化学习训练出来的小型游戏实验。
例如，在各种球的撞击下保持平衡的飞机：
又或者，两个球之间的“足球”比赛：
据作者透露，他接下来还会计划开发一款穿越飞环的游戏。
这款游戏会训练智能体穿过飞环，真正做到和大神玩家的操作无异。
说不定，作者甚至真能用强化学习，训练出一整个网站的小游戏来？
源代码：
https://github.com/roboserg/RoboLeague
参考链接：
https://www.reddit.com/r/MachineLearning/comments/klbvaw/p_doing_a_clone_of_rocket_league_for_ai/
https://rlbot.org/
https://unity.com/cn/products/machine-learning-agents
- 首个GPT-4驱动的人形机器人！无需编程+零样本学习，还可根据口头反馈调整行为2023-12-13
- IDC霍锦洁：AI PC将颠覆性变革PC产业2023-12-08
- AI视觉字谜爆火！梦露转180°秒变爱因斯坦，英伟达高级AI科学家：近期最酷的扩散模型2023-12-03
- 苹果大模型最大动作：开源M芯专用ML框架，能跑70亿大模型2023-12-07
相关阅读
