用于 2D 赛车游戏的 AI 提示 [关闭]

Question

我有一个学校项目，要为 2D 赛车游戏构建一个 AI，它将与其他几个 AI 竞争。

我们获得了一张黑白的赛道位图图像，我们可以在收到地图后为我们的汽车选择基本统计数据（操控、加速度、最大速度和刹车）。 AI 连接到游戏的服务器，并每秒向其提供数次当前加速和转向的数字。顺便说一句，我选择的语言是 C++。 问题是

1. 最好的策略或算法是什么（因为我想尝试并获胜）？我目前想到了一些在网上找到的想法以及我自己的一两个想法，但在开始编写代码之前，我想我的观点是最好的。
2. 关于这个问题有什么好书？
3. 我应该参考哪些网站？

Answer 1

这个问题没有“正确答案”——它非常开放，许多不同的选择可能会奏效。

您可能希望查看reinforcement learning，以尝试让 AI 在选择不同的控制统计数据后最好地确定如何控制汽车。强化学习模型可以训练计算机尝试朝着一个好的系统工作，以便根据底层控制系统进行特定操作。

要确定您要使用哪些控件，您可以使用一些强化学习，或者您可能想研究supervised learning 算法，这些算法可以使用不同的控件组合，看看“适合”的效果如何“他们给出了特定的地图。例如，您可以将地图分成小块，然后尝试查看哪些控件在最大数量的块中表现出色。

在绘制您想要走的路径方面，A* 是一种众所周知的寻找最短路径的算法。在你的情况下，我不确定它会有多大用处，但它是教科书式的搜索算法。

为了避开对手赛车手并试图将他们逼入更棘手的境地，您可能需要开发某种对手建模系统。通用投资组合是做到这一点的一种方法，尽管我不确定它们在这种情况下会有多大用处。一种选择可能是在赛道和对手汽车周围开发potential field，以帮助您的汽车尝试避开障碍物；这实际上可能是比 A* 更好的寻路选择。如果您对战术演习感兴趣，直接搜索minimax 可能是避免被困或想办法困住对手的好方法。

我不是人工智能专家，但我认为以上链接可能是一个很好的起点。祝比赛好运！

Answer 2

关于这个问题有什么好书？

我读过的关于这个主题的最好的书是Mat Buckland 的"Programming Game AI by Example"。它有关于路径规划和转向行为的章节，以及更多（状态机、图论等等）。

Answer 3

上述所有解决方案都很好，人们已经竭尽全力进行测试。查找“Togelius 和 Lucas”或“Loiacono 和 Lanzi”。他们尝试了神经进化、模仿（通过强化学习完成）、力场等。从我的角度来看，最好的方法是中心线。这将需要一个小时来实施。相比之下，神经进化（例如）既不简单也不快速。我在这方面做了我的论文，如果你有合适的硬件，这很容易需要几个月的时间。