中科院自动化所拿下星际争霸AI竞赛第四名：发布数据集

雷锋网 AI 科技评论按：上周日，互动数字娱乐AI大会（AIIDE）2017中的星际争霸AI竞赛落下帷幕。这一竞赛是即时战略（RTS）游戏AI比赛中最重要的比赛之一，暴雪、DeepMind和Facebook人工智能研究院等机构也有赞助。两周的车轮战中共进行了41580场1v1比赛，28个参赛AI中每两个之间也平均比赛了110场。

DeepMind 和 Facebook 近两年在星际争霸AI研发上动作频频，Facebook 也拿出名为 CherryPi 的机器学习AI亲自参加了这场比赛，但只以69%的胜率拿到第6名。面对这样的战绩，多家外媒不免对Facebook发出了“雷声大雨点小”的嘲笑，不过机器学习在RTS游戏中的探索毕竟只是刚刚开始，大可不必心急。

比赛冠军是一位独立参加的星际争霸爱好者，来自澳大利亚的程序员Chris Coxe，依靠手工编码、基于预定义规则和情境判断的AI获得了最高胜率83%，从而获得冠军；不仅如此，排名前三的AI都是由独立参赛的星际争霸爱好者开发的，大多数排名靠前的个人参赛AI也都是和Chris Coxe类似的手工编码、基于规则的AI。

同时雷锋网 AI 科技评论发现，也有多个来自中国的AI参加了这次比赛，除了个人名义参加的Sijia Xu和他的AI“Overkill”之外，中科院自动化研究所更是有三支队伍参赛，复杂系统管理与控制国家重点实验室有两支，一支是在读博士生朱圆恒、赵冬斌研究员的团队和他们的AI“Juno”，另一支是唐振涛团队，他们的AI名为“killall”；还有一支团队来自智能感知与计算研究中心，他们的AI“cpac”首次参赛就以71%的胜率拿下了第4名。

智能感知与计算研究中心“cpac”团队共有13名成员，开发这个AI用了几个月的时间，其中有新的游戏策略，也融合了部分机器学习功能。根据他们介绍，他们训练了一个多层感知网络用于在生产队列为空的时候造兵。

在这个AI的开发过程中，他们还一并发布了一个新的数据集 MSC（Macro-management in StarCraft），论文署名为在读博士生武慧凯、副研究员张俊格、研究员黄凯奇。

MSC 基于暴雪今年开放的 SC2LE平台，作者们在论文中表示这个平台的好处是有目前为止最大的replay数据集、这些replay的质量更高格式更标准，而且 SC2LE还有官方的支持和积极的更新。

MSC数据集的目标是提供预定义的、根据特征分割过的replay，用于游戏中宏观操作（比赛策略&“大局观”，Macro-management）的训练和评估。SC2LE中现有的replay虽然数量很多，但是没办法直接用来学习和测试；MSC则把replay过滤、解析、采样、提取操作特征，并形成训练、验证、测试三个数据集，就可以供研究人员方便地训练模型，数据集自身也就成为了公开、标准的模型对比手段。

MSC基于CS2LE的80万场replay中已经公开的约6万4千场，按照上图中的流程进行处理，形成三个数据集。在预处理中剔除了过短、APM（每分钟操作数）过低以及选手的MMR（比赛积分）过低的比赛。

除了数据集之外，论文中也一并提出了一个基准模型，展示了在全局局面评估和单位建造预测任务中的表现；其它游戏策略、序列建模、不确定性建模、不平衡数据集学习、强化学习、规划和树搜索等RTS游戏中常出现的子任务也可以从这个数据集中受益。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。