研究人员开发了一个名为HRL-IM/CBS的新分层强化学习框架，旨在提高AI在StarCraft等复杂实时战略游戏中的性能。该框架通过使用影响图哈希进行状态表示和基于聚类的脚本进行动态单位协调，解决了巨大的状态-动作空间、稀疏奖励和有限的可解释性等挑战。该系统的分层多Q表架构将战略选择与战术执行分开，奖励分配提供了更密集的学习信号。实验表明，HRL-IM/CBS在与现有深度强化学习基线相比时取得了有竞争力的性能，展示了更高的样本效率和更强的决策透明度。 AI
影响 引入了一种用于复杂游戏环境的分层强化学习新方法，有望提高AI的样本效率和可解释性。
排序理由 这是一篇详细介绍用于游戏微操的新AI框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
