第一人称射击游戏中用隐马尔可夫模型代替有限状态机

Question

我一直在做一个课程项目，在这个项目中，我们使用FSM实现了一个FPS，通过显示游戏的顶部2d视图，并使用机器人和玩家和圆圈。机器人的行为是确定性的。例如，如果机器人的健康降到阈值以下，并且玩家可见，机器人就会逃离，否则它会寻找健康包。

然而，我觉得在这种情况下，机器人并没有表现出太多的智能，因为它所做的大多数决定都是基于我们已经决定的规则。

我还可以使用哪些其他技术来帮助我在机器人中实现一些真正的智能？我一直在研究HMM，我觉得它们可能会给机器人带来更多的不确定性，并且机器人可能会开始更加自主地做出决定，而不是依赖于预先定义的规则。

你们觉得怎么样？任何建议都将不胜感激。

Answer 1

我不认为使用隐马尔可夫模型会更具自主性。它只是遵循模型中更不透明的规则，而不是状态机的显式规则。它仍然是确定性的。它们带来的唯一不确定性是观察者，他们没有一个简单的规则集来作为预测的基础。

这并不是说它们不能被有效地使用--如果我没记错的话，有几个FPS游戏的机器人使用这种系统来向玩家学习并开发自己的人工智能。

但这确实取决于您希望在流程中建模的内容。人工智能实际上并不是关于算法，而是关于表示。如果你所做的就是选择与你当前的FSM相同的状态，并观察现有玩家的转变，那么你不太可能得到一个比让专家输入仔细调整FSM的规则更好的系统。

既然你不打算实现“一些真正的智能”，因为这目前被认为是超越现代科学的，那么你希望能够创造什么呢？它是一个从自己的实验中学习的系统吗？一个通过观察人类受试者来学习的系统？故意引入不同寻常的选择，以使对手更难预测？