“第三十二章 AI游戏”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
 
(相同用户的一个中间修订版本未显示)
第11行: 第11行:
 
* OpenAI 捉迷藏游戏[https://openai.com/blog/emergent-tool-use/]
 
* OpenAI 捉迷藏游戏[https://openai.com/blog/emergent-tool-use/]
 
* DeepMind AlphaStar 博客  [https://www.deepmind.com/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii]
 
* DeepMind AlphaStar 博客  [https://www.deepmind.com/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii]
 +
* AlphaStar真的智能了吗? [https://www.sohu.com/a/294455221_610473]
 +
* DeepMind最强星际争霸AI—— AlphaStar的复现 [https://zhuanlan.zhihu.com/p/56539931]
 +
  
  
第27行: 第30行:
 
==开发者资源==
 
==开发者资源==
  
* 斗地主 [https://github.com/kwai/DouZero/blob/main/README.zh-CN.md]
+
* 斗地主 [*][https://github.com/kwai/DouZero/blob/main/README.zh-CN.md]
  
 
==高级读者==
 
==高级读者==

2023年8月13日 (日) 02:22的最后版本

教学资料

扩展阅读

  • AI 100问:机器如何学会打游戏? [[2]
  • OpenAI 捉迷藏游戏[3]
  • DeepMind AlphaStar 博客 [4]
  • AlphaStar真的智能了吗? [5]
  • DeepMind最强星际争霸AI—— AlphaStar的复现 [6]


视频展示

  • Deep Mind Atari game playing [7]
  • OpenAI Hide and Seek [8]
  • AlphaStar [9]
  • Bilibili: AlphaStar 开发纪录片 [10]
  • Bilibili: AlphaStar的对战场面 [11]


演示链接

  • 斗地主在线演示 [12]

开发者资源

高级读者

  • Mnih V, Kavukcuoglu K, Silver D, et al. Human-level control through deep reinforcement learning[J]. nature, 2015, 518(7540): 529-533. [14]
  • Baker B, Kanitscheider I, Markov T, et al. Emergent tool use from multi-agent autocurricula[J]. arXiv preprint arXiv:1909.07528, 2019. [15]
  • Arulkumaran K, Cully A, Togelius J. Alphastar: An evolutionary computation perspective[C]//Proceedings of the genetic and evolutionary computation conference companion. 2019: 314-315. [16]
  • Niels Justesen, Philip Bontrager, Julian Togelius, Sebastian Risi, Deep Learning for Video Game Playing [17][18]