2021年11月，全球首届“ AI《球球大作战》：Go-Bigger多智能体决策智能挑战赛”已正式开赛。作为面向全球技术开发者和在校学生的科技类竞赛活动，本次比赛旨在推动决策智能相关领域的技术人才培养，打造全球领先、原创、开放的决策AI开源技术生态。
在比赛之际，雷锋网&AI科技评论对话了本次竞赛的核心设计团队成员刘宇和周航，他们二人，一个为商汤科技研究总监，也是OpenDILab项目负责人；一个为前星际职业选手iA，目前任商汤决策智能游戏AI组高级研究员；殊途而同归，他们如何通过 「游戏 × 决策」方式走到一起，他们会更看中什么样的“策略高手”？
在现实之外，还有另一个世界，游戏世界。它将人情世故、弱肉强食、情义背叛、谋略运筹挪于方寸之间，功成名就，皆在俯仰间。以游戏世界之有涯，演绎人际种种浮沉。古人制蛊王，今人造脑王，科技的进步，将对抗的秘密搬上台面。
而今这场竞技，被命名为Go-Bigger多智能体决策智能挑战赛。比赛由OpenDILab主办，上海人工智能实验室作为学术指导，商汤决策智能团队和巨人网络等多元化组织联合打造 。灵感来自于巨人网络自主研发的一款超火爆休闲竞技手游《球球大作战》，多方共同开启全球首届AI版《球球大作战》。
Go-Bigger游戏环境：https://github.com/opendilab/GoBigger
AI球球大作战采用了类似《球球大作战》的物理引擎设计，具有相对较大的地图，球球具有分裂、吐孢子、中吐等高阶动作空间，但是提供了适合强化学习或行为树AI编写的抽象接口。
刘宇说到，“Go-Bigger并不像星际争霸或Dota2这种重型游戏环境，我们对它的定位是人人可以参加的中型游戏AI竞技环境，推动学术界关注更大一些的决策问题。相比学术界用的最多的Atari、Mojoco、SMAC要大不少，但又可以在小型的实验室中完成——一台机器、一块GPU就能训练起来。它面向大众、学生、研究员，更适合用 「学术比赛」来描述它。”
从参与筹办比赛的各方来看，学术价值，在Go-Bigger身上非常明显。它由上海人工智能实验室作为学术指导，商汤科技、巨人网络、上汽集团人工智能实验室联合主办，全球高校人工智能学术联盟、浙江大学上海高等研究院、上海交通大学清源研究院联合协办，OSCHINA、深度强化学习实验室作为支持。
从产业出发，关注底层技术，并进一步拢合各大高校和实验室，其实就是商汤的原创基因。
一、Go-Bigger比拼决策战术
周航和刘宇都说到，“球球大作战的门槛很低，但是上限很高。”
与风靡全球的agar.io、《球球大作战》等游戏类似，在Go-Bigger中，每局比赛十分钟，大球吃掉小球而获得更大重量和体积，但同时要避免被更大的球吃掉。当球达到足够大时，玩家（AI）可使其分裂或融合，和同伴完美配合来输出博弈策略。每个队伍都需和其他队伍对抗，总重量更大的团队获胜。
Go-Bigger游戏环境演示图
游戏中有四类小球，分别为分身球、孢子球、食物球、荆棘球，挑战不同决策路径。
分身球是玩家在游戏中控制移动或者技能释放的球，可以通过覆盖其他球的中心点来吃掉比自己小的球。
孢子球由玩家的分身球发射产生，会留在地图上且可被其他玩家吃掉。
食物球是游戏中的中立资源，其数量会保持动态平衡。如玩家的分身球吃了一个食物球，食物球的重量将被传递到分身球。
荆棘球也是游戏中的中立资源，其尺寸更大、数量更少。如玩家的分身球吃了一个荆棘球，荆棘球的大小将被传递到分身球，同时分身球会爆炸并分裂成多个（10个）分身。此外，荆棘球可通过吃掉孢子球而被玩家移动。
分身球
孢子球，食物球
荆棘球
此外，Go-Bigger还包含一系列与《球球大作战》类似的游戏规则：
球重量越小，移动速度越快；
分身更多可以快速发育，但自身重量被分散，面临被吃的风险。
每个玩家的总重量会随着时间缓慢衰减，体重越大，衰减速度越大在战斗阶段，分裂后的玩家需要尽快合球，因此，同一队伍中不同球球的配合尤为关键。
同队伍玩家之间不会完全吞噬（会保留最后一个球）。
由于这种规则设置，球球在不同发展阶段，策略各不相同。
在球球发育前期，重量太小无法分裂，一边吃食物完成原始积累，一边防御被吃，就催化了团队合作--多球行动。
比如，当自己进食足够多，并达到分身程度时，将小分身喂给队友，只留一个，同伴和自己都会完成第一次原始积累，并增加团队整体重量。
随着大家争相完成原始积累，比赛进入中期。防御转为攻击，暗争转为明争。而此时，持久战还是速度战、先灭大还是先灭小、霸屏攻击还是轻骑后抄，不同策略组合将游戏推向高潮。
距离，方向，速度以及分身后的密度成为影响获胜关键。
其中一种攻击策略为先灭小而后搏大，大球率先攻击发育不良的球，合成大球，随后寻找实力略弱的大球，判断距离、分身快速逼近、近身后合球鲸吞。几轮下来，大球进入排行榜头列，为后续决战做好准备。
随着游戏进入后期，战场上的玩家也所剩无几，实力相当的大球决战，成为赛点关键！
首先，大球的移动速度非常慢，选择时机分身移动，快速移动并合成干掉对方，成为大球玩家心中既心照不宣，又秘而不发的护身之法。你死我亡，弱肉强食，生命法则向是如此。
但与此同时，作战的另一机制——自我衰亡被触发。
大球的体重并不是一成不变的，而是以一个相当快的速度流失体重，体重衰减率是每秒钟千分之二。因此，游戏进入下一阶段——霸屏团队的优势维持、其它团队的反击。
由于霸屏团队体重流失速度相当快，如果只是用常规的攻击手段，增加的体重往往不能和流失的体重相抵。而同时，大球的移动速度十分缓慢，攻击效率十分低下，多数大球团队会采用多分身模式攻击。
因为已经是优势团队，即便多分身，其它团队也往往不能对多分身造成威胁，因此大球往往以相对高的速度地毯式扫荡。
纵观决战之势，无论是大球燃烧心火，击溃其身；还是分身求胜，蚕食殆尽，往往并不随心所欲。在对抗同时，作战时间所剩无几。
此外，还有多少小球蛰伏暗处，酝酿反击，在最后阶段逆转局势，并非新事。
在萌萌的小球之内，涌动着规则和博弈的暗流。周航回应道，这就是Go-Bigger门槛很低，但是上限很高的原因。
“游戏环境非常简单直观，因为大家都玩过类似的游戏，像大鱼吃小鱼、剪刀石头布、围棋。它们都有很直观的名字，都用简单的环境系统构建出博弈场景。但不同的是，Go-Bigger涉及到多智能体的配合和对抗，会有更高的决策复杂度。”
二、游戏环境如何设计
人工智能现在已经广泛应用在感知优化场景，但是想让模型具有真正的智能，则需要将其落实到一些需要进行决策的场景。
游戏，则是决策智能（DI）天然的训练场。
如果将一个游戏环境比作一个小社会，那么不同的游戏角色则是生活其中的人类。只有人类数量足够多，才足以反映其中的群体关系，并进一步模拟人类社会的生活图景。因此，在复杂游戏中的多智能体博弈，成为推动决策智能发展的关键。
Go-Bigger涉及多智能体博弈，不可避免要权衡同一团队中的个体行动与合作行动、不同团队间的合作与竞争、表征和交换与其它智能体的环境信息。但要从零开始实现上述算法和训练流程非常复杂，决策智能框架DI-engine大大简化了设计过程。
其内部已经集成了支持多智能体的DQN算法实现和一系列相关诀窍，以及玩家自我对战和对抗机器人的训练组件，只需实现相应的环境封装，神经网络模型和训练主函数即可。
此外，Go-Bigger支持RL环境，提供了三种交互模式。
为帮助用户在强化学习领域的多智能体策略学习，Go-Bigger提供了符合gym.Env标准的接口供其使用。在一局游戏中，Go-Bigger默认设置含有20个状态帧和5个动作帧。每个状态帧都会对当前地图内所有单位进行仿真和状态处理，而动作帧会在此基础上，附加对单位的动作控制，即改变单位的速度、方向等属性，或使单位启用分裂、发射或停止等技能。
为了更方便地对环境进行探索，Go-Bigger还提供了必要的可视化工具。在与环境进行交互的时候，可以直接保存本局包含全局视角及各个玩家视角的录像。此外，Go-Bigger提供了单人全局视野、双人全局视野、单人局部视野三种人机交互模式，使得用户可以快速了解环境规则。
单人全局视野、双人全局视野、单人局部视野
可视化除了方便用户设计智能体的决策路径，还将智能体的决策进化提供一个参考。
目前基于强化学习等方法的决策智能，主要还是在学习「状态」到「动作」的映射，离可解释的、因果关系的、可互动的决策还有很远距离。但游戏本身的可视化形式，会直接展示智能体的策略。
整个游戏环境的搭建，不仅涉及到大的封装模块，还有小的动作设计。刘宇说到，我们在设计这个引擎的时候，不仅要兼顾它是否有趣（可视化、难度低），还要考虑它对研究者来说是否有用（动作歧义、公平）。
在复杂的游戏环境中，如何做到公平性，保证所有智能体从同一起点进化，并演化出最多的决策路径，除了球球背后的参赛选手出奇斗勇，还要有公平的评测系统--天梯系统。参赛选手只需基于大赛提供的接口，给出智能体在每一帧的动作，最后将代码以及相关模型或文件提交即可加入测试天梯。OpenDILab团队将使用选手提供的环境及代码进行指定竞赛的模型测试工作，决出最后的赢家！
三、决策智能研究刚刚上路
在Go-Bigger游戏中，设计了球球对抗时间、成长加速度、分裂、消失、衰亡等约束条件，它们其实广泛存在于现实世界，比如人的生命周期，微观生物学中细胞免疫等。
天然拥有很高的社会拟合度，是用游戏做决策智能研究的优势。
刘宇说，Go-Bigger项目只想做好一件事，就是想通过打造一款类似于球球大作战和AGAR这样家喻户晓的游戏，让大家先把游戏AI和决策智能联系起来，且人人可上手。
“现在Go-Bigger希望做的，其实非常像CV领域的ImageNet。”
十年来，计算机视觉一直是最火爆的领域。但是CV是如何发展起来的，“其实就是开源了更大的数据集。”
刘宇说到，“在ImageNet比赛之前，数据集都非常小，研究员很难定义产业界真正需要的算法问题。但ImageNet的推出，为当时的技术带来了挑战，随着GPU的算力提升，越来越多的人涌入到CV领域，成就了现在深度学习+计算机视觉的蓬勃发展。”
现在决策智能领域的大多数工作者，很难接触到像星际、DOTA2这样的资源，在相对较理想的小数据集和仿真环境中做实验、发论文，是学术研究的常态。
“而决策智能将走向何方，其实就是从训练平台和仿真环境两个方向发力。我们希望在保持现有资源能够接触的情况下，能让决策智能更接近真实场景，并逐渐推动行业中更多的平台开源。”刘宇说到。
决策智能的研究刚刚上路，首先是数据的问题，其次是标准化的问题。
目前，决策智能的标准化难题是三块：
一个是环境观测的标准化
二个是动作空间的标准化
三个是算法工作流的标准化
“CV标准化做得好，因为这里面所有的数据都可以用非常规整的tensor来表示，像PyTorch、 TensorFlow。”
但在决策智能领域，会涉及到多模态的输入，比如空间信息（Spatial info）、实体信息（Entity info）、Scalar info（标量信息）。“难点是将所有模态都统一到一个数据格式下。”刘宇说到，“目前一些做法是将各种模态的数据统一到一个encoder，让它们映射到同一个observation space(观测空间)。”
有了状态空间后，就需要决策做什么动作。
比如，强化学习领域很多算法很难同时支持离散和连续两种动作空间。而真实场景里还有更复杂的动作空间，比如前后依赖的动作空间、序列的动作空间，跟马尔可夫链性质不太相关的或者违背的动作空间。“这些动作空间如何大一统到一个训练的平台和一个训练流里，也是非常难的问题。”
“我们希望通过算法设计出新的head（决策智能训练网络的头），后期只需要做一些plug in（插件）的工作，几乎能够适配所有的算法。”
第三块是算法的标准化。各种算法之间的差异性非常大且难以抽象，如果强行把所有算法兼容到一套框架内，代码会非常冗余。“我们现在想要从计算流的角度思考强化学习的优化过程，把强化学习里所有原子模块拆分，类似PyTorch里operator，那么以后只需要拼算法积木，或者研发一个新的强化学习算法。”
这件事本身是很长期主义的一件事，Go-Bigger只是一个开始。
刘宇说，“我们希望用5年时间，从工具和学术问题定义两个方面推动决策智能落地，能够让平台、算法集、生产的工具链适配到几乎所有决策智能行业应用上，将行业和学术的各自为阵，变成欣欣向荣。”
比赛持续到明年4月，那时，“我们期待所有选手百家争鸣，能够定义出新的问题，也会设计出更多样性的算法，既有纯强化学习的，也有结合硬编码和强化学习的。当然，我们希望训练出的AI不仅能处理好输赢，还能兼顾到游戏的拟人性。”
如今，全球首届“ AI《球球大作战》：Go-Bigger多智能体决策智能挑战赛”已正式开赛。作为面向全球技术开发者和在校学生的科技类竞赛活动，本次比赛旨在推动决策智能相关领域的技术人才培养，打造全球领先、原创、开放的决策AI开源技术生态。协作、博弈、对抗，精彩纷呈，欢迎前来挑战！
评论列表 (0)