中国AI足球队勇夺世界冠军：腾讯绝悟出品

发布于：2020-12-31 09:38:23  栏目：技术文档

　　一记漂亮的长传，直接助攻射门：

　　带球连过两人：

　　这样高超的线上足球技巧，并非上手两三年的“老玩家”做出的，而是仅仅练习了一个月的腾讯 AI“绝悟”。

　　现在，战胜大部分荣耀玩家后，AI“绝悟”又化名 WeKick，去试手了一把谷歌举办的线上世界足球赛。

　　没想到，轻轻松松就拿了个冠军回来：

　　嗯？打完王者，还能踢 FIFA？

　　没错，利用迁移学习，就能让“足球版绝悟”WeKick，快速掌握踢足球的技巧。

　　但要想踢出多种策略、稳定掌握这些策略，还得采用不同的方法。

　　各种风格小模型，共同训练主模型

　　从“绝悟”完全体迁移过来的 WeKick，针对这场足球比赛，进行了策略性的调整。

　　与常规足球游戏的“控制整只球队”不同，这场足球比赛中，每个队伍需要控制其中 1 个智能体，与游戏中的 10 个内置智能体组成球队（11vs11 赛制）。

　　也就是说，每个智能体“球员”，都需要学习如何在队友之间传球，并克服对手的防守以进球。

　　然而采用强化学习，从 0 开始训练一个会踢球的 AI，相当困难。

　　在王者荣耀等 MOBA 游戏中，智能体可以学习的信号非常多，包括实时经济、血量、经验等。

　　但足球游戏的激励非常稀疏，几乎只有“进球”这一项奖励机制。

　　稀疏激励，正是强化学习的难题之一。

　　为了突破这一难关，“绝悟”WeKick 版本采用了 3 点创新，来对模型进行训练。

　　首先，是自博弈 （Self-Play）强化学习。

　　WeKick 部署了一种异步分布式强化学习框架，虽然会牺牲训练时的部分实时性能，但能够提升其灵活性，支持在训练过程中按需调整计算资源。

　　此外，WeKick 还结合生成对抗模拟学习（GAIL）与人工设计奖励，采用了生成对抗训练机制。

　　这种机制能够模拟专家行为的状态和动作分布，使得 WeKick 能够从其他球队中学习经验。

　　之后，将 GAIL 训练的模型作为固定对手，再一次进行自博弈训练，就能提升策略的稳健性。

　　这种方法虽然不错，却存在一个缺陷。

　　训练后，模型容易收敛成单一风格，容易发生因“没见过某种打法”而表现失常、导致成绩不佳的情况。

　　因此，WeKick 的团队想出了一种方法：采用多风格强化学习的训练方案，让智能体“球员”们先专精一个领域，再进行配合。

　　也就是说，先训练一群具备一定竞技能力的基础模型，每个模型分别掌握运球过人、传球配合、射门得分……

　　然后，基于基础模型，训练出多种风格的各个模型，过程中会定期加入主模型作为选手，避免模型坚持原来的风格。

　　最后，将这些模型集合起来，训练一个主模型，期间除了主模型以历史模型为对手，还会拿所有风格化基础模型当对手，确保主模型能应对各种风格的踢球方式。

　　通过这 3 种方式训练出来的模型 WeKick，既具有丰富的足球经验，也能准确地对抗各种不同风格的比赛技巧。

　　谷歌+英超，线上足球赛

　　这个线上足球赛 Google Football，有点像是一款 AI 操作的足球游戏，由谷歌和英超曼城俱乐部在 Kaggle 上联合举办。

　　比赛采用谷歌强化学习环境，基于开源足球游戏 Gameplay Football 开发，共有来自世界顶级院校、研究机构的 1100 多支队伍参与挑战。

　　与足球赛的比赛规则一致，线上足球赛同样需要遵守越位、黄牌、红牌等规则。

　　而在谷歌提供的足球环境中，智能体“球员”则可以做出短传、长传、运球、射门等动作。

　　在经过几轮厮杀后，WeKick 最终以 1785.8 的总分，在这场竞技中以显著优势胜出。

　　不过，这也并非“绝悟”第一次参加谷歌举办的足球赛。

　　在 5v5 的多智能体天梯赛 Google Research Football League 中，“绝悟”同样取得了第一名的成绩。

　　事实上，在游戏 AI 上一路向前的“绝悟”，已经历了 3 次进化。

　　从最初攻克 Atari 游戏开始，到后来的围棋 AI“绝艺”，再到包括王者荣耀在内的 MOBA 游戏 AI“绝悟”、如今的足球游戏 AI“WeKick”，这一深度强化学习智能体正变得更复杂。

　　腾讯 AI Lab 表示，它们的目标是向通用人工智能（AGI）不断迈进。

　　整体训练框架：https://arxiv.org/abs/1912.09729

　　Kaggle 足球赛排行榜：https://www.kaggle.com/c/google-football/leaderboard

　　- THE END -

　　#足球#AI

原文链接：量子位责任编辑：万南

相关推荐