教AI逐帧搓招玩《铁拳》通关最高难度，现在的街机游戏爱好者有点东西啊

博雯 发自 凹非寺

量子位 | 公众号 QbitAI

现在的AI都开始学着逐帧搓招打街机了？

《拳皇98》、《街头霸王》、《死或生》……一干童年回忆全都玩了个遍，其中还有号称要打5000场才能入门的3D格斗游戏《铁拳》：

没错，就是那个对新手极不友好的《铁拳》，随便拉一张角色的搓招表感受一下这个复杂度：

（没错，各种压帧判定的JF技就是其特色之一）

但AI偏偏就能在入坑没多久就通关了最高难度：

这款AI的背后是一位个人开发者，也是一位骨灰级的街机游戏爱好者。

他训练出来的新手“铁匠”在Reddit的“比赛录播”已经有近500的热度：

强化学习训练框架

这位AI铁匠的背后，是一个叫做DIAMBRA Arena的强化学习交互框架。

DIAMBRA Arena提供了多个强化学习研究和实验环境，具有情节性的强化学习任务，由离散的动作（如游戏手柄按钮）和屏幕中的像素和数据（如人物血条）组成。

在这一框架中，智能体会向环境发送一个动作，环境对其进行处理，并相应地将一个起始状态转换为新状态，再将观察和奖励返回给智能体，以此交互循环：

要实现上述循环的代码也非常简单：

import diambraArena

# Mandatory settings

settings = {}

settings[“gameId”] = “doapp” # Game selection

settings[“romsPath”] = “/path/to/roms/” # Path to roms folder

env = diambraArena.make(“TestEnv”, settings)

observation = env.reset()

while True:

actions = env.action_space.sample()

observation, reward, done, info = env.step(actions)

if done:

observation = env.reset()

break

env.close()

这一框架目前支持Linux、Windows、MacOS等主流的操作系统。

而这款AI的“实战场”为早期的Tekken Tag Tournament，当然，搓招复杂度完全不逊色于之后的新版本……

开发者选择了风间仁（Jin）和吉光（Yoshimitsu）两名具有代表性的角色作为主要操作对象。

输入分别为：从RGB转换为灰度，并缩小到128 x 128px的游戏屏幕像素值、对战局数（Stage）、人物血条、游戏界面的一侧。

训练中的奖励是一个基于生命值的函数，如果对方生命值损伤则得到正面奖励，己方控制的角色生命值损失则得到负面惩罚。

同时，AI的动作速率也被限定为最大速率的1/10，即游戏中每6步发送一个动作。

由于框架使用的是一种离散的动作空间，因此，智能体在训练中的同一时间只能选择一个移动动作9向上，向下等）或攻击动作（冲击，踢，出拳)。

因此，虽然一个连击组合的实战能力更强，但由于AI无法同时点击两个动作，在真实的对战中，便会出现AI频繁使用踢（Kick）和更换角色（swap）两个动作的情况：

评论区有资深PVP爱好者表示，想要看到这种顶级AI选手互虐的激烈场景，而开发者本人对此非常赞同：

我们正在创建一个平台，在这个平台上，程序员将提交他们训练有素的AI并互相对抗，并在我们的频道上播放比赛。

AI锦标赛

现在，开发者团队已经开始正式筹备这个“AI游戏锦标赛”，背后的程序员和开发者们相当于是“教练”或者“选手家长”，最终的获胜者可获得1400瑞士法郎（折合人民币9261元）。

“比赛项目”也不止是铁拳一种，开发者表示，这些格斗游戏的底层机制都比较类似，只需要修改一下组合技、人物血条数值等游戏的差异性属性。

所以，他们的DIAMBRA Arena框架面向各类街机视频游戏提供完全符合OpenAI Gym标准的Python API。

像死或生、街头霸王等多个流行的街机游戏都被囊括其中：

GitHub链接：

https://github.com/diambra/diambraArena

视频链接：
https://www.youtube.com/watch?v=9HAKEjhIfJY

参考链接：
[1]https://www.reddit.com/r/reinforcementlearning/comments/sq1s3f/deep_reinforcement_learning_algorithm_completing/
[2]https://www.reddit.com/r/MachineLearning/comments/sqra1n/p_deep_reinforcement_learning_algorithm/