Sokoban
PulseAugur coverage of Sokoban — every cluster mentioning Sokoban across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的“蛋糕”表示法和PRP方法生成多样化的游戏关卡
研究人员引入了一种新的领域无关的“蛋糕”表示法，用于表示随时间变化的游戏关卡，旨在隐式编码动态信息。该表示法与一种名为游戏轨迹重建划分（Playtrace Reconstructive Partitioning, PRP）的新颖关卡生成方法结合使用。在Sokoban游戏领域，PRP与六种最先进的程序化内容生成（PCG）方法进行了比较，并证明了其在不影响解法多样性的情况下生成有效关卡的能力。
-
Sokoban 游戏 AI 模型使用“路径通道”进行规划
研究人员部分逆向工程了用于 Sokoban 游戏的卷积循环神经网络 (RNN)。他们发现该网络将其未来移动或规划存储在其隐藏状态内的特定“路径通道”的激活中。这些通道受到编码学习到的转换模型的卷积核的影响，使 RNN 能够通过将激活从箱子传播到目标来构建规划，并使用负值在障碍物处修剪路径，从而有效地实现一种回溯形式。
-
新的WA*框架在AI规划中实现了零样本泛化
研究人员开发了一个名为WA*的新型自改进规划框架，该框架将由关系图神经网络表示的价值启发式与Q学习相结合。这种方法指导搜索并利用结果数据来更新启发式，使其能够充当通用策略。该框架展示了强大的零样本泛化能力，无需搜索即可解决新的问题实例，这在稀疏奖励域中是传统深度强化学习方法的一项重大进步。该系统已在Sokoban、PushWorld、The Witness和2023年国际规划竞赛等基准测试中取得成功。
-
生成模型通过自我改进实现高质量计划生成
研究人员开发了一种用于生成模型的自我改进技术，以更有效地生成高质量计划。该方法通过模型调用和图搜索的组合生成改进的计划，然后对初始模型进行微调。在四个领域的实验表明，与传统的符号规划器相比，计划长度平均减少了 30%，并且超过 80% 的生成计划是最优的。