arXiv cs.AI· Nick Leenders, Roy Lindelauf, Joost van Oijen, Boris Cule·· 3 小时前AI 评分22
基于约束命令条件强化学习与 Bandit 策略选择的 MicroRTS 智能体
Constrained Command-Conditioned Reinforcement Learning with Bandit Strategy Selection in Real-Time Strategy Games
AI 导读
研究者为 MicroRTS 提出一种"策略器-执行器"架构：约束命令条件的 PPO 执行器负责单位级操作，Thompson-sampling bandit 策略器根据游戏内观测估计对手策略并选择命令元组。
来源：arXiv cs.AI · arxiv.org