Эксперимент по созданию искусственного интеллекта для игры в Doom
7 октября 2016 года
В рамках проекта VizDoom развивается система искусственного интеллекта для игры в Doom. От обычных игровых ботов VizDoom отличается тем, что система работает на основе анализа визуальной информации, отслеживая только изменение содержимого экрана и используя методы машинного обучения для определения стратегии игры. Код проекта распространяется под лицензией MIT. Проект развивается группой исследователей из Технологического университета города Познани (Польша).
Несколько дней назад состоялось соревнование Visual Doom AI Competition между ботами, в котором приняли участие команды из лабораторий по исследованию искусственного интеллекта различных университетов, а также компаний Intel и Facebook. В состязании Limited Deathmatch первое место занял бот команды из Facebook, на втором месте бот Университета Карнеги — Меллон, на третьем - бот команды Эссекского университета. В состязании Full Deathmatch первое место заняла команда Intel, второе - Университета Карнеги — Меллон (CMU), третье - Университета Восточной Финляндии. На соревнованиях также проводились показательные бои между людьми и ботами, в которых боты одержали победу. Платформой поддерживается как прохождение игры в однопользовательском режиме, так и участие в командных состязаниях.
Ключевой задачей проекта является изучение возможностей по применению методов машинного обучения на основе восприятия визуальной информации. Для распознавания изображений в VizDoom используется свёрточная нейронная сеть, моделирующая особенности зрительной коры. VizDoom оформлен в виде платформы, позволяющей создавать ботов на языках Python, C++, Java. Предоставляется API для полного контроля за работой бота, в том числе для применения различных методов машинного обучения. Например, в варианте бота от разработчиков из Университета Карнеги — Меллон была использована модифицированная глубинная нейронная сеть с подкреплением (DQN, Deep Q-network), основанная на наработках компании DeepMind. Для увеличения качества отслеживания перемещения врагов и прогнозирования выстрелов в нейронной сети применялась архитектура LSTM.
Источники
править
Любой участник может оформить статью: добавить иллюстрации, викифицировать, заполнить шаблоны и добавить категории.
Любой редактор может снять этот шаблон после оформления и проверки.
Комментарии
Если вы хотите сообщить о проблеме в статье (например, фактическая ошибка и т. д.), пожалуйста, используйте обычную страницу обсуждения.
Комментарии на этой странице могут не соответствовать политике нейтральной точки зрения, однако, пожалуйста, придерживайтесь темы и попытайтесь избежать брани, оскорбительных или подстрекательных комментариев. Попробуйте написать такие комментарии, которые заставят задуматься, будут проницательными или спорными. Цивилизованная дискуссия и вежливый спор делают страницу комментариев дружелюбным местом. Пожалуйста, подумайте об этом.
Несколько советов по оформлению реплик:
- Новые темы начинайте, пожалуйста, снизу.
- Используйте символ звёздочки «*» в начале строки для начала новой темы. Далее пишите свой текст.
- Для ответа в начале строки укажите на одну звёздочку больше, чем в предыдущей реплике.
- Пожалуйста, подписывайте все свои сообщения, используя четыре тильды (~~~~). При предварительном просмотре и сохранении они будут автоматически заменены на ваше имя и дату.
Обращаем ваше внимание, что комментарии не предназначены для размещения ссылок на внешние ресурсы не по теме статьи, которые могут быть удалены или скрыты любым участником. Тем не менее, на странице комментариев вы можете сообщить о статьях в СМИ, которые ссылаются на эту заметку, а также о её обсуждении на сторонних ресурсах.
