首頁?行業  »   正文

約克大學利用AI預測Dota 2比賽中5秒內會死亡的角色,模型已開源

約克大學利用AI預測Dota 2比賽中5秒內會死亡的角色,模型已開源

如果可以通過持續的人工智能研究獲得洞察力,那么許多曾經被認為是不可知的事件實際上可以以相對較高的準確度進行預測。

約克大學的研究人員發表了一篇論文“Time to Die: Death Prediction in Dota 2 using Deep Learning”描述了一個能夠可靠地預測Dota 2玩家角色在5秒內將死亡的系統。

Dota 2是Dota的后續版本,這是暴雪公司為魔獸爭霸3創建的一個社區mod,由5名玩家組成的兩組,每組占據并保衛一個基地,試圖摧毀地圖兩端的建筑。玩家擁有獨特的能力,收集經驗點和物品來解鎖新的攻擊和防御動作。

它比聽起來要復雜得多。平均匹配包含8萬個單獨的幀,在此期間每個角色可以執行無數個可能的操作。棋盤上的玩家每幀平均完成10000次移動,從而使游戲的總體尺寸超過20000。

訓練算法

血量等并不總是與死亡密切相關。這是因為一些角色具有治療能力,并且因為玩家可以購買游戲中的物品來治療它們或將它們傳送遠離危險。

考慮到這一點,該團隊采購了Valve提供的公共Dota 2重播文件,這些文件來自最近的5000個專業(主要錦標賽)和5000個半專業(小型錦標賽和聯賽)賽事。經過預處理和錯誤計算,語料庫總共有7311個文件,他們從這些數據中提取數據,并通過記錄帶有4個滴答采樣周期(相當于游戲時間的0.133秒)的屬性集值,將其轉換為時間序列。

根據這些數據,該團隊為每個玩家角色提取了287個特征,其中一些是游戲對象屬性的值,如英雄健康狀況。導致玩家死亡的最重要因素包括時間,玩家的當前狀態(力量和敏捷性),可激活物品,英雄能力,英雄位置,距離最近的敵人和盟友塔的距離以及能見度歷史等,而相對強度和特定時間在當前地圖位置位居榜首。

約克大學利用AI預測Dota 2比賽中5秒內會死亡的角色,模型已開源

“這些行為確實取決于過去,例如,如果敵人剛剛消失,玩家仍然知道敵人在該區域。另一方面,如果敵人在幾分鐘前消失,那么從玩家的角度來看,敵人可能在任何地方。這就是我們添加可視性歷史特性的動機。”

他們將訓練數據輸入機器學習算法,包括2870個輸入和5760萬個人數據點(287個特征乘以10個玩家的乘積),保留10%的數據用于驗證,另外10%用于測試。

測試結果

在實驗過程中,研究小組發現,當提示預測任何一支團隊的10名隊員中的哪一名將在5秒內死亡時,它的平均精確度為0.5447,精確度為0.377,最高為0.725。此外,該模型可以在指定的5秒窗口之前預測死亡,這表明它了解了構成死亡特征的固有屬性。

這種方法有一定的局限性,即系統需要超過200個游戲數據點(包括那些看不見的玩家)進行預測,并且它可能無法很好地推廣到較新的游戲版本。

研究人員表示,“電子競技游戲非常復雜,包括快速移動的動作,游戲的平衡可以在幾秒鐘內改變,同時事件可以在比賽場地的多個區域發生。評論員和觀眾很容易錯過一個事件,只觀察事件的后續影響,在Dota 2中,被對方隊員殺死的英雄是評論員和觀眾感興趣的關鍵事件。”

開源:

github.com/adam-katona/dota2_death_prediction

論文:

arxiv.org/pdf/1906.03939.pdf

歡迎關注ATYUN官方公眾號,商務合作及內容投稿請聯系郵箱:[email protected]

發表評論