#游戏AI
共 47 篇相关文章
混合智能体通关暗黑破坏神I：钢铁侠模式抵达第9层
混合AI智能体在暗黑破坏神I钢铁侠模式下抵达地下城第9层。项目采用算法+强化学习混合架构，包含CNN+LSTM注意力机制、装备评分公式和奖励塑形迭代，开发者分享了完整的技术实现与当前瓶颈。
开源大模型在《Among Us》投票中为何输给小网络？
开发者用开源大模型 gpt-oss:20b 替代《Among Us》模拟器中的小型投票网络，六种配置下大模型从未胜出。本文详述实验设置、八人与十五人局数据对比，分析通用大模型为何不敌领域专用小网络。
用PPO智能体让AI跑《神庙逃亡》：手机端实测最远16782米
开发者用PPO强化学习智能体玩《神庙逃亡》，通过Frida直接读取游戏内存并调用游戏方法操作，自建C++无头模拟器6分钟训练1000万步，真机14次实测中位数4736米、最远16782米，GitHub已开源。
用PPO智能体打造模拟器，手机版神庙逃亡被AI攻克
Reddit开发者用PPO强化学习智能体构建手机模拟器，成功攻克《神庙逃亡》。本文拆解其技术链路：视觉输入、策略推理、动作映射与奖励反馈，分析PPO在实时跑酷游戏中的适用性与工程挑战。
遗传算法训练2048求解器遇瓶颈：如何诊断特征与提升胜率
一位开发者用遗传算法与Expectimax构建2048求解器时遭遇性能平台期，达成2048的胜率停留在30%-50%。本文解析如何诊断特征有效性、消融实验方法，以及提升搜索深度与64位整数编码优化的正确优先级。
AI实时对战星际争霸：无暂停、各自迷雾下的智能体较量
两个AI智能体在《星际争霸：母巢之战》中展开实时无暂停对战，基于OpenBW运行时与C++桥接搭建，各自受战争迷雾限制且无视频输入。本文解析其系统架构与对AI游戏智能体研究的启示。
FireFly：让游戏AI模仿你操作的开源模仿学习框架
FireFly 是一个开源的游戏AI模仿学习框架，通过记录玩家操作进行行为克隆训练，支持 OpenCV、YOLO、U-Net 等多种感知方案，并内置图结构自动数据采集。本文解析其架构设计与从行为克隆走向强化学习的扩展思路。
GPT-6 Astra首次玩魔兽世界：AI游戏智能体的新尝试
GPT-6 Astra 通过 agent-wow 项目首次尝试游玩魔兽世界，本文分析用游戏测试 AI 智能体的意义、MMORPG 对大模型的挑战，以及此类实验对 AI 智能体发展的启示。
用Nuzlocke数据训练强化学习：一个被忽视的RL环境富矿
Reddit上一个小众但有趣的想法：用宝可梦Nuzlocke玩法数据训练强化学习环境。本文分析为何Emerald Kaizo等硬核改版配合玩家输入记录，是构建RL训练环境的理想素材。
强化学习AI挑战《东方Project》：24小时直播训练的启示
一个在YouTube 24小时直播的强化学习AI正在挑战弹幕游戏《东方Project》风神录。本文解析RL智能体从零学习的过程、机器与人类在游戏中的优势差异，以及游戏作为AI研究试验场的意义。
浏览器里训练AI：Clash Royale强化学习实战解析
一位开发者将《皇室战争》AI智能体做成可在浏览器训练的迷你版本，用350行纯JS手写REINFORCE算法，直观展示强化学习如何从零学会防守策略，并开源了完整代码。
Humalike x GTA RP：会记忆、会行动的AI NPC来了
Humalike 与 GTA RP 合作推出会说话、有记忆、能自主行动的 AI NPC，已在波兰最大角色扮演服务器上线并开放接入。本文解析其核心能力与落地意义。
ClashRoyaleAi：开源皇室战争RL模拟器与PPO智能体实践
ClashRoyaleAi 是一个开源的《皇室战争》确定性模拟器，用 C++17 重建战斗引擎并提供 Gymnasium 接口，配合递归 PPO、前瞻搜索与自博弈联赛训练 RL 智能体。本文解析其环境设计、智能体架构与实验结果。
开源皇室战争RL模拟器：C++高速引擎与PPO智能体的实战启示
一个面向强化学习的开源《皇室战争》模拟器，用C++实现每场对局约10毫秒的高速仿真，支持可分叉状态与循环PPO训练，并在训练中暴露出引擎bug。解析其技术设计与对游戏AI研究的价值。
用强化学习训练神经网络对战：涌现行为与奖励黑客实录
开发者用强化学习训练两个神经网络在格斗游戏中对战，揭示AI奖励黑客现象，并通过奖励塑形与联盟对战引导出有趣的涌现战斗行为。深入解析RL实践中的关键挑战与技术方案。
Jev玩转宝可梦红：AI智能体挑战复杂游戏的开源实验
开发者Christian Mat开源AI智能体项目Jev，让其挑战经典游戏《宝可梦红》，全程直播并公开token消耗与成本。本文解析这一实验背后的AI决策能力、长期规划难题与开源价值。
Mica v0.1 4B：不生成一个token，如何在真实Minecraft中造出铁镐
Mica v0.1 4B在真实Minecraft服务器中用23步造出铁镐，全程不生成任何文本token，而是通过读取答案标签概率进行决策。基于RTX 3090单卡实现90-150ms实时响应，模型与代码已开源。
小型神经网络对决通用决策模型：一场卡牌AI的失败模式启示录
一位开发者对比自建的248k参数神经MCTS卡牌AI与通用决策模型Jev，通过100场镜像对局和反事实评估器，揭示神经网络系统性低估打脸与斩杀、通用模型不擅收尾的互补失败模式，为游戏AI的特征设计与训练目标提供实证启示。
