arXiv · cs.AI· Nick Leenders·· 19 天前AI 评分32
基于约束命令条件强化学习与多臂老虎机策略选择的即时战略游戏研究
Constrained Command-Conditioned Reinforcement Learning with Bandit Strategy Selection in Real-Time Strategy Games
来源与原文
arXiv · cs.AI
作者：Nick Leenders
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.11663v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者为 MicroRTS 即时战略环境提出约束命令条件 PPO 执行器，将策略命令选择与单位控制分离，用 Thompson 采样多臂老虎机根据对局内观察估计对手策略并选择命令。在与相同架构、预算和自博弈联盟训练的扁平 PPO 基线对比中，该系统对四个最强对手中的三个胜率显著更高，其中两个 held-out 对手胜率分别从 0.55 提升到 0.97、0.01 提升到 0.34。
来源：arXiv · cs.AI · arxiv.org