(資料圖)

近日，2022 IEEE游戲大會（IEEE Conference on Games, CoG） 足球AI競賽正式公布了比賽結果。網易互娛AI Lab以1292.28分和1491.48分的成績分別包攬了5v5和11v11兩個賽道的冠軍，特別是在11v11賽道中，以高于第二名267分的優勢取得了斷崖式領先。這是網易互娛AI Lab繼去年滿分奪冠IEEE游戲大會的格斗游戲AI競賽后，再獲該大會游戲AI類競賽的冠軍，展現了其在游戲AI方面的技術硬實力，也彰顯了實驗室在提供更精彩的互娛體驗方面所做出的不懈努力。

IEEE游戲大會是人工智能方向游戲領域的國際頂會，匯聚了來自全球游戲領域學術界和工業界的領先研究人員和開發人員，共同探討游戲技術與設計相關的前沿話題和未來趨勢。本次IEEE游戲大會下設的足球AI競賽共分為兩個賽道：5v5和11v11賽道。其中，5v5賽道需要訓練除了守門員之外的4名隊員的模型，而11v11賽道則需要訓練包含守門員在內的全部11名隊員。兩個賽道均屬于多智能體訓練任務，這已經大大加大了訓練的難度；其次，足球游戲策略以其復雜性、多樣性和高難度，一直是長期困擾世界頂尖AI團隊的研究難題，多智能體不僅需要掌握傳球和防守等復雜概念，還需要在短期控制和高水平策略之間取得平衡，例如怎樣克服對手的防守以成功進球等，這些都對高強度AI的研發提出了巨大的挑戰。

11v11比賽畫面

網易互娛AI Lab創新性地提出了一種基于強化學習和多樣性模型池的高強度、策略豐富的AI訓練框架，該框架具有強度高、泛化性強和策略豐富的特點。相比大部分目前已知的其他模型，用該框架訓練的模型能夠持續穩定提升自身性能，不會陷入RL領域中經典的“非傳遞性”問題，即發生模型策略退化的現象，因此也就更不易被玩家找到弱點。此外，該模型的策略豐富度也顯著超出此前其他已知的所有模型，例如，模型表現出豐富的進攻方式，除了經典的全隊進攻、邊路進攻、中路進攻和快速防守反擊外，還掌握了利用游戲引擎的特點形成的特定進攻戰術，因此能夠擊敗各類具有不同策略的對手。

圖：訓練框架

在競賽中，該訓練框架不僅提升了模型的泛化性、強度和策略豐富度，更提升了自身的多樣性，由此可以幫助獲得大量、可滿足實際生產應用的AI。例如，根據應用場景和需求不同，可在不同訓練階段挑選得到具備不同難度的AI，如在訓練初期可挑選出難度適中、具備擬人性的游戲AI，用于冷啟動匹配、補位、陪玩等場景，優化游戲體驗；訓練后期還可獲得具有挑戰性的強大游戲AI，為進一步邁向探索通用型人工智能奠定基礎。網易互娛AI Lab一直將游戲AI作為研究的核心領域之一，并不斷突破AI落地的難題，致力于將AI研究成果成功落地于實際生產應用中，以在未來為大家創造更精彩的互動娛樂體驗。

關鍵詞： 雙料冠軍