星际争霸2运营数据集 MSC

• 授权协议: 未知
• 开发语言: Python
• 操作系统: 跨平台
• 软件首页: https://github.com/wuhuikai/MSC
• 官方下载: https://github.com/wuhuikai/MSC

软件介绍

DeepMind 与暴雪共同发起的星际争霸2人工智能研究看起来遭遇了很大挑战。目前的人工智能还难以在完整对战中击败简单级别的游戏内建电脑玩家。不过，两家公司 8 月份共同推出的人工智能研究环境 SC2LE 为后续研究提供了可利用的平台。中国科学院自动化研究所的研究人员最近针对宏观运营任务提出了全新数据集 MSC，试图推动研究社区继续前进。值得一提的是，中科院自动化所的团队 10 月 8 日刚刚在星际争霸 AI 竞赛 AIIDE 2017 上取得第四名的成绩（bot CPAC）

MSC 框架示意图

中科院的研究人员基于 SC2LE 构建了一个新的数据集 MSC。它目前是适用于星际争霸 2 宏观运营的最大数据集，可用于各类任务，如建造顺序预测和全局状态评估。MSC 基于 SC2LE 构建原因有三：1）SC2LE 包含最大的 Replay 数据集。2）SC2LE 受官方支持，且更新频率高。3）SC2LE 中的 Replay 质量较高，格式更标准。研究人员定义处理 SC2LE 中 Replay 的标准步骤，如图 1 所示。处理后的数据集包括精心设计的特征向量、预定义的动作空间（action space）和每次比赛的最终结果。所有处理过的文件可分为训练集、验证集和测试集。随后，研究人员基于 MSC 训练了基线模型，展示全局状态评估和建造顺序预测的初始基线结果，二者是宏观运营的重要任务。为了方便其他任务的研究，研究人员还展示了 MSC 的一些数据，列出了适合它的后续任务。该研究的主要贡献可归纳为以下两点：

a. 新数据集 MSC 用于星际争霸 2 的宏观运营，包括标准预处理、解析和特征提取过程。为方便评估和对比不同方法，数据集分为训练集、验证集和测试集。

b. 为宏观运营的两项重要任务全局状态评估和建造顺序预测提出基线模型和初始基线结果。

介绍内容摘自：机器之心

本文地址：https://codercto.com/soft/d/16744.html