中科院自動化所拿下星際爭霸AI競賽第四名：發(fā)布數據集

雷鋒網 AI 科技評論按：上周日，互動數字娛樂AI大會（AIIDE）2017中的星際爭霸AI競賽落下帷幕。這一競賽是即時戰(zhàn)略（RTS）游戲AI比賽中最重要的比賽之一，暴雪、DeepMind和Facebook人工智能研究院等機構也有贊助。兩周的車輪戰(zhàn)中共進行了41580場1v1比賽，28個參賽AI中每兩個之間也平均比賽了110場。

DeepMind 和 Facebook 近兩年在星際爭霸AI研發(fā)上動作頻頻，Facebook 也拿出名為 CherryPi 的機器學習AI親自參加了這場比賽，但只以69%的勝率拿到第6名。面對這樣的戰(zhàn)績，多家外媒不免對Facebook發(fā)出了“雷聲大雨點小”的嘲笑，不過機器學習在RTS游戲中的探索畢竟只是剛剛開始，大可不必心急。

比賽冠軍是一位獨立參加的星際爭霸愛好者，來自澳大利亞的程序員Chris Coxe，依靠手工編碼、基于預定義規(guī)則和情境判斷的AI獲得了最高勝率83%，從而獲得冠軍；不僅如此，排名前三的AI都是由獨立參賽的星際爭霸愛好者開發(fā)的，大多數排名靠前的個人參賽AI也都是和Chris Coxe類似的手工編碼、基于規(guī)則的AI。

同時雷鋒網 AI 科技評論發(fā)現，也有多個來自中國的AI參加了這次比賽，除了個人名義參加的Sijia Xu和他的AI“Overkill”之外，中科院自動化研究所更是有三支隊伍參賽，復雜系統(tǒng)管理與控制國家重點實驗室有兩支，一支是在讀博士生朱圓恒、趙冬斌研究員的團隊和他們的AI“Juno”，另一支是唐振濤團隊，他們的AI名為“killall”；還有一支團隊來自智能感知與計算研究中心，他們的AI“cpac”首次參賽就以71%的勝率拿下了第4名。

智能感知與計算研究中心“cpac”團隊共有13名成員，開發(fā)這個AI用了幾個月的時間，其中有新的游戲策略，也融合了部分機器學習功能。根據他們介紹，他們訓練了一個多層感知網絡用于在生產隊列為空的時候造兵。

在這個AI的開發(fā)過程中，他們還一并發(fā)布了一個新的數據集 MSC（Macro-management in StarCraft），論文署名為在讀博士生武慧凱、副研究員張俊格、研究員黃凱奇。

MSC 基于暴雪今年開放的 SC2LE平臺，作者們在論文中表示這個平臺的好處是有目前為止最大的replay數據集、這些replay的質量更高格式更標準，而且 SC2LE還有官方的支持和積極的更新。

MSC數據集的目標是提供預定義的、根據特征分割過的replay，用于游戲中宏觀操作（比賽策略&“大局觀”，Macro-management）的訓練和評估。SC2LE中現有的replay雖然數量很多，但是沒辦法直接用來學習和測試；MSC則把replay過濾、解析、采樣、提取操作特征，并形成訓練、驗證、測試三個數據集，就可以供研究人員方便地訓練模型，數據集自身也就成為了公開、標準的模型對比手段。

MSC基于CS2LE的80萬場replay中已經公開的約6萬4千場，按照上圖中的流程進行處理，形成三個數據集。在預處理中剔除了過短、APM（每分鐘操作數）過低以及選手的MMR（比賽積分）過低的比賽。

除了數據集之外，論文中也一并提出了一個基準模型，展示了在全局局面評估和單位建造預測任務中的表現；其它游戲策略、序列建模、不確定性建模、不平衡數據集學習、強化學習、規(guī)劃和樹搜索等RTS游戲中常出現的子任務也可以從這個數據集中受益。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。