Reinforcement Learning-based Threat Assessment

要約

一部のゲームシナリオでは、敵ユニットの数の不確実性とさまざまな属性の優先順位により、敵ユニットの脅威レベルの評価とスクリーニングは挑戦的な研究トピックであり、脅威の定量的評価を達成するために異なる属性の優先順位を合理的に設定する方法には、核となる困難があります。
この論文では、脅威評価の問題を革新的な学習問題に革新的に変換し、系統的強化学習トレーニングを通じて、効率的なニューラルネットワーク評価者の構築に成功しました。
評価者は、敵の多次元属性の特徴を包括的に統合するだけでなく、州の情報を効果的に組み合わせて、より正確で科学的な脅威評価を実現することもできます。

要約(オリジナル)

In some game scenarios, due to the uncertainty of the number of enemy units and the priority of various attributes, the evaluation of the threat level of enemy units as well as the screening has been a challenging research topic, and the core difficulty lies in how to reasonably set the priority of different attributes in order to achieve quantitative evaluation of the threat. In this paper, we innovatively transform the problem of threat assessment into a reinforcement learning problem, and through systematic reinforcement learning training, we successfully construct an efficient neural network evaluator. The evaluator can not only comprehensively integrate the multidimensional attribute features of the enemy, but also effectively combine our state information, thus realizing a more accurate and scientific threat assessment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google