研究者提出约束命令条件PPO与Bandit策略选择方法

研究者 Nick Leenders 等人发表论文，提出一种用于 MicroRTS 实时策略环境的约束命令条件 PPO（近端策略优化）执行器：离散命令指定经济、军队组成、军事姿态与工人策略等战略目标，执行器负责生成单元级动作。 研究同时采用 Thompson 采样 Bandit 作为策略家，依据游戏内观测估计对手策略，并选择命令元组。上述内容出自论文摘要，为作者自述的方法设计。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。