Kaggle 競賽  Google Football 排行榜前十名，

來自 https://www.kaggle.com/c/google-football/leaderboard

Kaggle創(chuàng)立于2010年，是全球最大的數(shù)據(jù)科學(xué)社區(qū)和數(shù)據(jù)科學(xué)競賽平臺。此次足球AI比賽由Google Research與英超曼城俱樂部在Kaggle平臺上聯(lián)合舉辦。

一直以來，足球運(yùn)動團(tuán)隊(duì)策略以其復(fù)雜性、多樣性和高難度，成為長期困擾世界頂尖AI研究團(tuán)隊(duì)的難題，更加稀疏的游戲激勵也使得其成為比MOBA游戲更難攻克的目標(biāo)。今年Kaggle首次針對足球AI領(lǐng)域發(fā)布賽題，為深度強(qiáng)化學(xué)習(xí)多智能體技術(shù)競技和基準(zhǔn)評測提供了一個(gè)全新舞臺。

比賽使用Google Research Football強(qiáng)化學(xué)習(xí)環(huán)境，基于開源足球游戲Gameplay Football開發(fā)，采取11vs11的賽制，參賽團(tuán)隊(duì)需要控制其中1個(gè)智能體與10個(gè)內(nèi)置智能體組成球隊(duì)，兼具挑戰(zhàn)性和趣味性。一經(jīng)推出，便吸引了來自世界頂級院校和研究機(jī)構(gòu)的1100多支科研強(qiáng)隊(duì)參與挑戰(zhàn)。

“11 個(gè)強(qiáng)化學(xué)習(xí)智能體的合作與對抗”

Google Football(on Kaggle)以流行的足球游戲?yàn)槟Ｐ?，就像是一款由AI操作的FIFA游戲，智能體控制足球隊(duì)中的一個(gè)或所有足球運(yùn)動員，學(xué)習(xí)如何在他們之間傳球，并設(shè)法克服對手的防守以進(jìn)球。其競賽規(guī)則與普通足球比賽類似，比如目標(biāo)都是將球踢入對方球門以及越位、黃牌和紅牌規(guī)則。

不同于常見足球視頻游戲的統(tǒng)一調(diào)控式NPC球隊(duì)，在本次Kaggle競賽中，每個(gè)球員都各由一個(gè)單獨(dú)的智能體控制，而參賽的AI模型則根據(jù)比賽情況控制其中一個(gè)智能體，與其他10個(gè)內(nèi)置智能體配合。這要求每個(gè)球員不僅需要觀察對手的行為，還需要留意己方隊(duì)員的情況，背后需要非常復(fù)雜的團(tuán)隊(duì)協(xié)作和競爭策略作為支撐。

WeKick（黃色球衣） vs SaltyFish（本次競賽第二名）近期的一局比賽實(shí)錄（射門）

舉個(gè)例子，當(dāng)對方球員控球時(shí)，己方智能體不僅要根據(jù)球場上雙方球員的分布位置預(yù)測控球球員的下一步動作，還需要與己方其他球員協(xié)同如何合規(guī)地奪取足球的控制權(quán)。且由于球場動態(tài)瞬息萬變，因此高速的實(shí)時(shí)決策能力也是必需的。

此外，從零開始完全采用強(qiáng)化學(xué)習(xí)方法來訓(xùn)練完整的足球AI實(shí)際上也相當(dāng)困難。與MOBA游戲中不斷有經(jīng)濟(jì)、血量、經(jīng)驗(yàn)等實(shí)時(shí)學(xué)習(xí)信號不同，足球的游戲激勵非常稀疏，基本只能依靠進(jìn)球，而稀疏激勵一直是目前強(qiáng)化學(xué)習(xí)一大難題。

絕悟AI如何走上冠軍之路

得益于深度強(qiáng)化學(xué)習(xí)在游戲領(lǐng)域突飛猛進(jìn)的發(fā)展，從Atari游戲到圍棋再到多種不同的視頻游戲，AI智能體在不斷的迭代演化中變得越來越強(qiáng)大，而足球運(yùn)動團(tuán)隊(duì)策略的難關(guān)也得以被攻克。

絕悟WeKick版本首先采用了強(qiáng)化學(xué)習(xí)和自博弈（Self-Play）來從零開始訓(xùn)練模型，并部署了一種異步的分布式強(qiáng)化學(xué)習(xí)框架。雖然該異步架構(gòu)犧牲了訓(xùn)練階段的部分實(shí)時(shí)性能，但靈活性卻得到顯著提升，而且還支持在訓(xùn)練過程中按需調(diào)整計(jì)算資源，使其能適應(yīng) 11 智能體足球游戲訓(xùn)練環(huán)境。

由于MOBA游戲和足球游戲任務(wù)目標(biāo)的差異，絕悟WeKick版本采用了生成對抗模擬學(xué)習(xí)（GAIL）與人工設(shè)計(jì)的獎勵結(jié)合，在特征與獎勵設(shè)計(jì)上進(jìn)行了擴(kuò)展和創(chuàng)新。該方案利用了生成對抗訓(xùn)練機(jī)制來擬合專家行為的狀態(tài)和動作分布，使得絕悟WeKick版本可以從其它球隊(duì)學(xué)習(xí)。然后，再將 GAIL 訓(xùn)練的模型作為固定對手進(jìn)行進(jìn)一步自博弈訓(xùn)練，進(jìn)一步提升策略的穩(wěn)健性。

GAIL 的優(yōu)勢（WeKick 的獎勵設(shè)計(jì)綜合了 Reward Shaping 和 GAIL 兩種方案）

但這種通過自博弈強(qiáng)化學(xué)習(xí)得到的模型有一個(gè)天然的缺點(diǎn)：很容易收斂到單一風(fēng)格。在實(shí)際比賽的時(shí)候單一風(fēng)格的模型很容易發(fā)生由于沒見過某種打法而表現(xiàn)失常，最終導(dǎo)致成績不佳的情況。因此，為了提升策略的多樣性和穩(wěn)健性，絕悟還采用了針對多智能體學(xué)習(xí)任務(wù)的League（若干策略池）多風(fēng)格強(qiáng)化學(xué)習(xí)訓(xùn)練方案。

這種League多風(fēng)格強(qiáng)化學(xué)習(xí)訓(xùn)練方案的主要流程可簡單總結(jié)為先專精后綜合。

首先訓(xùn)練一個(gè)具備一定程度競技能力的基礎(chǔ)模型，比如運(yùn)球過人、傳球配合、射門得分；接著基于基礎(chǔ)模型訓(xùn)練出多個(gè)風(fēng)格化模型，每個(gè)模型專注一種風(fēng)格打法，在風(fēng)格化模型訓(xùn)練的過程中會定期加入主模型作為對手，避免過度堅(jiān)持風(fēng)格，丟失基本能力；最后基于多個(gè)基礎(chǔ)模型訓(xùn)練一個(gè)主模型，主模型除了以自己的歷史模型為對手以外，還會定期加入所有風(fēng)格化對手的最新模型作為對手，確保主模型能夠適應(yīng)風(fēng)格完全不同的對手。

內(nèi)部能力評分系統(tǒng)顯示，加入對手池訓(xùn)練以后的主模型，可以在基礎(chǔ)模型的基礎(chǔ)上提高200分，比最強(qiáng)的風(fēng)格化打法高80分。

最終，基于絕悟完全體的架構(gòu)遷移，定制化的框架改進(jìn)，加上關(guān)鍵性的生成對抗模擬學(xué)習(xí)（GAIL）方案和 League （若干策略池）多風(fēng)格強(qiáng)化學(xué)習(xí)訓(xùn)練方案，使得絕悟?qū)崿F(xiàn)了優(yōu)于其它競爭AI球隊(duì)的優(yōu)勢，最終成就了冠軍之路。

WeKick（黃色球衣） vs SaltyFish（本次競賽第二名）近期的一局比賽實(shí)錄（傳球）

此次絕悟WeKick版本奪冠，意味著在絕悟繼完全體升級后，其背后的深度強(qiáng)化學(xué)習(xí)方案又訓(xùn)練出了適應(yīng)復(fù)雜足球競技場景的AI模型，展現(xiàn)了騰訊AI Lab在前沿AI技術(shù)上的研發(fā)實(shí)力，也驗(yàn)證了騰訊絕悟AI底層架構(gòu)與方法的通用性。

據(jù)了解，絕悟團(tuán)隊(duì)的研究方向正在從足球比賽中的單個(gè)智能體控制向11個(gè)智能體同時(shí)控制、協(xié)同作戰(zhàn)深入，當(dāng)完整的足球獨(dú)立智能體個(gè)數(shù)達(dá)到11個(gè)，強(qiáng)化學(xué)習(xí)的難度將隨著智能體個(gè)數(shù)的增長呈現(xiàn)指數(shù)級的爆炸增長，同時(shí)足球智能體之間差距不大，如何自動形成角色分工以及在不同角色間的激勵分配也一直是多智能體強(qiáng)化的難題。在此前5v5形式（多智能體）的谷歌天梯比賽Google Research Football League中，騰訊絕悟團(tuán)隊(duì)也摘得冠軍，展現(xiàn)了絕悟AI的巨大潛力。

從圍棋AI絕藝到MOBA游戲AI絕悟再到如今的AI足球隊(duì)WeKick，騰訊AI Lab的深度強(qiáng)化學(xué)習(xí)智能體正在步步進(jìn)化，逐漸向更復(fù)雜更多樣化的問題遷移，騰訊也正在向通用人工智能的終極目標(biāo)堅(jiān)定邁進(jìn)。長遠(yuǎn)來看，絕悟背后的研發(fā)經(jīng)驗(yàn)和算法積累，未來還將在AI與農(nóng)業(yè)、醫(yī)療及智慧城市等廣闊領(lǐng)域的結(jié)合上展現(xiàn)巨大潛力，創(chuàng)造出更大的實(shí)用價(jià)值。

zhangnn