Reaver在《星际争霸 II》各种小型游戏上与其他AI的性能对比-电子发烧友网

如果说我们的征途是星辰大海，那么星际争霸必定是其中一关。今天，有人在Github开源了他潜心研究一年半的成果，一个新手和资深研究人员都能受益的深度强化学习框架，单机运行速度快、方便调式，支持多种强化学习训练环境。

上周结束的 AI Challenger 星际争霸竞赛，让 AI 挑战星际争霸这个议题又稍稍火了一把。虽然这届冠军使用的仍然是硬编码方法，但从其他解决方案中不难看出，AI算法的占比在不断提升。

作为围棋之后 DeepMind 公开宣布的下一个攻克目标，《星际争霸》的魅力可见一斑。而随后不久 DeepMind 便将其相关研究及平台开源，更是印证了让 AI 玩星际争霸的挑战。

今天，塔尔图大学的 Roman Ring 在 Github 上开源了他倾力投入一年半的成果，一个名叫 Reaver 的《星际争霸 II》AI，可用于训练《星际争霸 II》的各种基本任务。

Reaver 的基本思路是沿着 DeepMind 的路线在走，也即 AI 的玩法是像人类玩家一样，从游戏画面中获取视觉特征，然后再做出决策。

补充说明，Roman 去年本科毕业项目是使用《Actor-Critic 法复现 DeepMind 星际争霸 II 强化学习基准》[1]，Reaver 则是在此基础上的改善提升。

Reaver 的强项在于比其他开源的同类框架单机运行速度快；除了支持星际争霸游戏训练环境 SC2LE，也支持 OpenAI Gym、ATARI 和 MUJOCO；模块化组成，容易调试。

根据作者所说，Reaver 不到10 秒就解决 CartPole-v0，在 4 核 CPU 笔记本上每秒处理 5000 张图像，使用 Google Colab，Reaver 通关《星际争霸 II》SC2LE 小型游戏 MoveToBeacon 只需要半小时的时间。

Reaver 玩《星际争霸 II》小型游戏 MoveToBeacon 的画面，左边是未经训练，右边是训练后的情况。来源：Roman Ring/YouTube

套用一句话，如果我们的征途是星辰大海，那么其中的一关必然是《星际争霸》。

Reaver 对于不具备 GPU 集群的人非常友好，正如作者在 Github 库里介绍所说，

“虽然开发是研究驱动的，但 Reaver API 背后的理念类似于《星际争霸II》游戏本身——新手可以用，领域专家也能从中获得东西。

“对于业余爱好者而言，只要对 Reaver 稍作修改（例如超参数），就能得到训练深度强化学习智能体的所有必须工具。对于经验丰富的研究人员，Reaver 提供简单但性能优化的代码库，而且都是模块化架构：智能体、模型和环境都是分开，并且可以随意组合调换。”

欢迎加入星际争霸强化学习阵营。

深度强化学习AIReaver：模块化且便于调试

性能大部分已发表的强化学习基准通常针对的都是 MPI 之间 message-based 通信，对于 DeepMind 或者 OpenAI 这样有大规模分布式强化学习配置的机构而言这样做自然很合理，但对于普通研究者或其他没有这类强大基础设施的人，这就成了很大的瓶颈。因此，Roman Ring 采用了共享内存（shared memory）的方法，相比 message-based 并行的解决方案实现了大约 3 倍的速度提升。

模块化很多强化学习基准都或多或少都是模块化的，不过这些基准通常与作者使用的训练环境密切相关。Roman Ring 自己就曾经因为专注于《星际争霸 II》环境而导致调试花了很长时间。因此，Revar 只需要一个命令行就能改变训练环境，从 SC2 到 Atari 或者 CartPole（将来计划纳入 VizDoom）。每个神经网络都是简单的 Keras 模型，只要符合基本的 API contracts 都能调用。

调试现在一个游戏 AI 通常含有十几个不同的调试参数，如何实现更为统一便捷的调试？Roman Ring 在 Reaver 中只要能用的地方都用了 “gin-config”，这个轻量级调试框架只要是 Python 可调用函数都能调试，非常方便。

更新是的，现在算法发展很快，去年发表的东西今年就可能过时。在开发 Reaver 的时候 Roman 表示他想着用了 TensorFlow 2.0 API（主要是使用 tf.keras 不用 tf.contrib），希望这个库能活用久一点吧。

单机友好，可用于训练星际争霸II各种任务

Roman Ring 列出了 Reaver 在《星际争霸 II》各种小型游戏上与其他 AI 的性能对比。其中，