团队体育对游戏AI基准的重新审视

抽象的

体育比赛是最古老，最良好的电脑游戏类型之一。运动启发的环境，如Robocup，已被用于艾的基准测试多年。我们认为，尽管越来越复杂的游戏流派的兴起，但由于两个主要因素，队的运动游戏将仍然是AI基准测试的重要测试。首先，对于AI系统来说，既不存在也没有强调其他类型的游戏，例如团队AI和频繁的重新加工。其次，有没有占AI系统的无能为力的Nonskill相关目标，有助于玩家享受，这在团队运动的背景下最容易观察和解决，例如显示创造性和情感特征。我们详细介绍了这些因素，并概述了在团队体育背景中的游戏AI基准测试的未来研究的有希望的方向。

1.导言

历史上，人工智能(AI)研究人员经常依赖流行游戏作为评估新算法和方法的试验台。在讨论“国际象棋是人工智能的一只果蝇”这句名言时，J. McCarthy写道:“对于一般的计算机科学家，我只有一个愿望要表达:让更多类似于果蝇的实验;让我们创建一些更具体的例子!“(1.]．

有几个因素可能有助于某一特定试验台的成功。例如,在国际象棋中,一个可能会注意到,游戏容易设置,它有一个广泛的吸引公众和研究人员本身,它带来的问题被视为可概括的超出了游戏世界,甚至允许独立研究孤立的结局等方面的游戏。

我们可以说得最多团队运动它们有相似的特点：它们在公众中很受欢迎，易于设置，并且要求参赛团队成员展示运动能力和一定水平的战术和战略思维。虽然可以给出团队运动的各种定义，但我们建议遵循最近一次调查中提出的定义y：“一种游戏，通常涉及两支球队相互对抗，每支球队由一组具有各自角色和能力的球员组成”[2.]．如果需要进一步说明是什么组成了一个团队而不是一个组，我们可以使用Thompson给出的定义(从管理的角度)[3.]：“团队是指在信息、资源和技能方面相互依赖的一群人，他们寻求共同努力以实现一个共同目标”。此处未明确说明，但从上下文来看，团队成员之间必须有沟通方式。如果我们将沟通添加到上述团队运动定义中，我们可能会得到更完整的定义：团体运动是指至少有两支球队相互比赛的比赛,与他们各自的作用和能力谁以通讯方式，以赢得比赛合作了一组球员组成的各.

这些特征使得团队运动对于游戏AI系统来说是一个有趣的挑战，因此，我们建议将它们视为AI标杆的一个有前途的测试平台。在本文的其余部分，我们概述了我们对所涉及的主题的看法。

在建议将人工智能基准测试更多地集中在团队运动领域之前，让我们先看看当前的竞争格局是如何演变的。毫无疑问，游戏相关基准测试环境最近推动了人工智能的发展，并在媒体上产生了巨大影响，从而推动了当前的人工智能宣传。

1997年深蓝(DeepBlue)击败卡斯帕罗夫(Kasparov)后，国际象棋对人工智能研究人员失去了很大的吸引力，当时围棋已经成为非官方的人工智能基准。然而Silver等人[4.]旧的Atari控制台环境已经提供了一种能够击败专业的人类围棋玩家的方法，它被用来发明深度强化学习(DRL) (5.,6.]很快就发现，大多数所谓的雅达利的学习环境（ALE）是相对容易用这种新技术处理的；甚至玩许多具有超人性能的游戏也很快实现了。为了寻找新的挑战，研究转向即时战略(RTS)游戏。

《星际争霸》在2010年被确立为一个基准和竞争环境[7.]并且仍然被认为当DeepMind和暴雪联手在2017年为星际2提供SC2LE环境[非常具有挑战性8.].根据DeepMind AlphaStar团队的报告[9，似乎RTS游戏还没有完全完成，但已经触手可及。这一方面是令人惊讶的，因为大多数研究人员预计需要数年时间才能达到这个水平。另一方面，现在我们更加强调通用性:我们不再满足于AI系统可以用于单一游戏和之前看到的环境;我们希望AI能够在情境、环境以及最终的游戏之间传递知识。

这方面的一个有趣的发展是障碍塔挑战[10它的特点是几乎无穷无尽地生成迷宫，然后逐渐变得更加困难。游戏机制和视觉效果的泛化是关键，但只有一个角色是完全自主的;因此，交互只发生在或多或少的静态对象上。

另一方面，不同的AI系统之间的团队游戏，在合作的OpenAI Five (http://openai.com/blog/openai-five-benchmark-results/）多人在线战斗竞技场机器人(MOBA)游戏。一个团队中的bot数量被限制在5个，但它们显然需要很好地合作才能赢得比赛，这也是团队运动AI的基本能力。因此，我们也会比较MOBA、RTS和团队运动游戏的属性以及AI所面临的挑战。

通过这项工作，我们强调了定义良好的集成基准测试环境的必要性团队AI在这里，它被理解为多个游戏ai之间以及与人类之间的互动，以达到一个共同的目标。为此，团队运动游戏提供了一个极好的背景，具有许多优势。

我们从回顾真实世界和虚拟团队运动之间的区别开始2.)，然后讨论机器人世界杯的情况(部分3.)，这是一个著名的团队运动AI环境，但实际上并不是一款游戏。如前所述，用户享受也是AI竞赛的一个重要方面，我们将在《Section》中对此进行讨论4..在讨论章节中强大乐趣游戏AI的相互作用5.，我们还将从战术和战略的角度来看（第节）6.)，然后更全面地收集体育AI的挑战，并与MOBA和RTS进行比较（第节）7.)以结论结束。

2.现实世界和虚拟团队运动

“团队体育”没有普遍定义。据柯林斯词典，一项团队运动是“一项运动互相竞争的运动”[11]当前的维基百科文章将这一定义扩展如下：“团队运动包括任何个人被组织成对立团队并竞争获胜的运动。团队成员为共同目标共同行动。这可以通过多种方式实现，例如超越对立团队。”[12]．

对于一些运动，人们可能想知道，在多大程度上它们应该被视为成熟的团队运动。例如，在划船、接力赛或游泳中是参赛的运动员队伍，但队员之间几乎不需要交流，几乎不需要与对方队接触。

更有趣的例子是体育运动，其中各队在比赛的不同阶段扮演不同的角色并遵循不同的目标，如棒球中的防守队和击球队，或者当每支球队由几个角色不变的小组组成时，如魁地奇(https://en.wikipedia.org/wiki/Quidditch_(体育))，两种基本上独立但不知怎么相互作用的比赛(追球手和击球手)在同一场地上进行，在比赛的最后阶段由第三种比赛(找球手)延伸。

在注意到这些场景之后，让我们将后续讨论的范围缩小到两队具有相同结构和遵循相同目标的运动类型，例如冰球、篮球、足球和排球。

体育游戏也是电子游戏产业的主要类型。自双人网球（1958年），体育比赛的虚拟悔改对每个可用的每台游戏平台都展开。显然，不可能捕获所有在计算机上进行体育活动的各个方面，以及不同的游戏项目强调现实世界体育赛事的不同元素。作为极端的例子，我们可以提到，与体育视频游戏的标准模式不同Subbuteo(1990)将足球表现为回合制的台球策略，Tsubasa船长（1988），强调足球和球员关系中的角色扮演元素，以及一些类似的游戏超级马里奥的前锋（2005）或任天堂世界杯(1990)，带有不现实的“乐趣”元素，如强大的超能力、玩家的特殊能力和极端的天气条件。即使是在同一系列游戏中，开发者有时也会创造出强调“模拟”或“有趣”方面的游戏，比如EA的游戏NBA直播vs。NBA果酱或NHLvs。NHL冰球：强打.因此，讨论围绕“团队竞技为游戏AI试验平台”首先需要决定哪支球队的体育方面应进行调查，什么是最终目标。

3.RoboCup的案例

幸运的是，我们有一个很好的参考点：RoboCup联合会组织的系列活动[13]．有人可能会问，尽管已经有了机器人世界杯框架，我们为什么还要讨论团队体育AI基准。的主要原因是联合会举办的非常具体的议程,最终目标是声明如下:“在21世纪,一个团队的全自动仿人机器人足球运动员赢得足球比赛,遵守国际足联的官方规则,对最近的世界杯的冠军”(14]．

在实现这一盛大愿景的途中，必须实现一些较小的目标。因此，Robocup竞赛由几个独立的事件组成，每个事件都侧重于少数相对孤立的子问题，例如硬件挑战，计算机愿景和基于团队的行为策略。在实践中，它意味着分离为“硬件”和“软件”联盟和组织不同类型的机器人的不同锦标赛（包括2D和3D虚拟软件模拟机器人的单独竞争）。

这些比赛旨在支持RoboCup组织者的宏伟愿景，并确保独立RoboCup赛事之间的知识顺利传递。例如，软件机器人必须处理与其硬件对手相同类型的约束，如有限的可视性、嘈杂的感官输入、不精确的移动和移动低级动作（例如，代理可能不运球：它必须独立编程每个球踢）。

鉴于Robocup比赛的最终目标，这种设置完全合理。但是，Robocup环境，如2D模拟联盟[15并不是为了模仿电脑游戏而设计的。虽然玩家可以将鼠标和键盘连接到机器人世界杯的软件上，并控制22名选手中的一名，但这种体验将与典型的体育视频游戏体验截然不同。

让我们专注于2D模拟联赛，它代表了机器人世界杯中最具电子游戏风格的环境。令人惊讶的是，成功的2D模拟联盟参与者非常稳定。在过去的5年里，只有7支不同的球队(WrightEagle、Helios、Gliders (Fractals)、Cyrus、frau - united、Oxsy和MT)成功跻身前三名https://ssim.robocup.org/soccer-simulation-2d/2d-awards/)(每个项目的总人数从13队到19队不等)。所有这些球队都是在获奖赛季之前至少6年成立的。

此外，我们还注意到参赛人数普遍下降：从2000年到2004年，连续五个赛季，每个赛季都有24支球队参赛，自那以后，任何比赛都无法吸引超过20支球队。

我们相信，这些观察至少可以部分解释为建立一个像样的团队所需要的大量工作:高准入门槛不利于有抱负的参赛者。一般来说，一个熟练的RoboCup 2D模拟联赛AI系统必须能够（一世）高效可靠地将高级别决策(如“带球跑10米”)转化为一系列低级别踢腿和冲刺动作(2)基于噪音和有限的视听感官数据的原因(iii)使用有限的通信通道处理队友与队友和教练之间的消息（iv）有效地根据在比赛开始由机器人世界杯服务器生成他们的技能配置文件中分发队友之间的角色（五）如果某个球员被裁判员罚出场外，调整其策略（vi）擅长玩集合碎片（踢 - 踢，自由，罚球和角球）

虽然这些不同的能力与游戏AI领域相关，但很难在一个只擅长AI研究一个特定子领域的小团队中开发所有这些能力。获奖的太阳神团队的公开发布agend2dcodebase [16促使大约80%的其他团队放弃他们自己的开发而转向agent2d[17]．不同的作者认为这个过程“非常有益”[18]或“有害”并导致团队的多样性[19]．此外，机器人世界杯从未被设计为游戏相反，它被认为是降级（仅限软件）的机器人训练环境。这为我们的讨论打开了另一个视角。

4.游戏AI竞赛中乐趣的作用

哪些游戏环境适合AI竞争?在讨论组织这类比赛的相关话题时，托吉留[20.]给出以下建议：“选择一个有趣的游戏”（“它也有助于如果游戏是出名的”，他补充道）并“让它真的很容易开始”。将此应用于我们的域名，我们可能会添加，如果相应的真实世界运动是全球流行的，那么它肯定会有所帮助。

RoboCup显然依赖于另一个公式。分析RoboCup、Ferrein和Steinbauer长达20年的故事[21]请注意“大约三千名机器人爱好者的氛围”和“对公众的精彩宣传”并强调参与者工作、社区建设和团队建设工作的跨学科性质，以及参与者解决真实机器人技术问题的机会。换句话说，似乎RoboCup首先受到人们对物理机器人的兴趣的支持，而这项活动的“游戏式”方面（特别是在模拟联盟的情况下）起着次要的作用。

构成乐趣的概念很大程度上是主观的，但我们至少可以这么说可能的在人类控制的团队之间玩RoboCup 2D模拟联赛，人们不会真的这么做，而且无论如何，这种比赛的玩法都与任何成功的商业足球游戏截然不同。因此，很有可能(i)机器人世界杯不是一场非常有趣的比赛电子游戏，以及(ii)体育游戏在中国有一个小众市场游戏人工智能竞赛，不是由机器人世界杯设计的。填补这一空缺的候选之一可能是火箭联赛[22它结合了球类游戏和赛车的有趣元素，已经被不同的机器人以3人组成的团队玩了。

有趣在游戏中的作用显然不仅仅是保持公众对特定AI竞争的兴趣的工具。但它是塑造游戏世界的因素之一，直接影响游戏AI系统的设计目标及其后续评估原则。某一游戏类型的长期流行证明了其核心游戏机制既有趣(game-wise)，挑战足以继续激发观众和参与者的兴趣。

对于团队运动来说，团队策略的较量一直是观众享受的主要部分。体育迷们喜欢那些既有精彩又有高效的比赛的球队，而要在这些目标之间取得平衡并不容易。此外，专业规管机构亦监察常见游戏战术模式的实际发展，并调整规则，以保持比赛对观众的吸引力，并打击堕落的策略[23]．考虑到最受欢迎的团队运动的悠久历史，人们可以假设，当前的规则是很平衡的，鼓励创造性的，不平凡的团队活动。例如，足球早期的越位规则是为了防止“挂球”(一种退化但有效的战术模式)[24]，在1925年和1990年进行了重大修改，最后一次改进是在2005年，每次都是为了鼓励进攻，限制防守“越位陷阱”的滥用[25,26]．同样，1992年引入后传球规则，以防止门将触碰从队友手中接过的球，并于1997年延长，作为一项防止浪费时间的措施[27]．

这些因素使我们相信，团队运动游戏是一个有吸引力的选择，因为游戏AI测试平台：它们很有趣，蔚为壮观，匀称，相当复杂，容易建立，依靠简单的规则，并享有广泛的球迷基础。

5.强大的游戏AI和有趣的游戏AI

虽然游戏可以用来衡量一般的AI技术，但也有一些重要的功能和特征游戏AI系统。人们普遍认为，一个游戏的重点是要赢，因此，最好的AI系统在一个典型的AI竞争是系统的胜利。

然而，游戏AI的目的并不一定是坚强的.据迪尔[28“有一件事是普遍存在的，那就是游戏是关于为玩家创造一种特殊的体验——不管这种体验是什么。游戏AI的目的就是支持这种体验。”因此，根据特定的游戏，游戏的目标好的AI系统可能包含强大、可预测、不稳定、友好、敌对等元素。29]换句话说，一个好的游戏AI测试平台至少在理论上应该支持AI控制角色的各种可能目标。

可以考虑实现诸如国际象棋或GO等游戏的强大AI开发的目标，因为计算机能够打败最佳人类球员。我们可以期待在最近的未来将更多的游戏流派将其添加到此列表中。例如，最近的工作Oh等人。[30.]讨论了人工智能系统的发展，能够战胜职业人类玩家在一个现代化的格斗游戏。

很难说现代人工智能方法在体育游戏中有多好[31]观察到的RoboCup仿真2D联赛的AI的球队比人的球队发挥得更好;他们此言一出，但是，机器人世界杯是没有设计的人，据称会影响他们的表现进行播放。在任何情况下，有设计一个强大的AI系统和人工智能系统，它有助于整体用户享受独立的目标。可以说，后者的任务是，即使在实际游戏发展的需要更重要。

团队运动也是一个很好的实验平台，可以用来研究人工智能系统的非技术相关特征。关于团队运动让运动员和观众都感到兴奋的因素，有大量的文献，这方面有很多好的例子[32,33]。同样，人们对体育视频游戏AI系统中的乐趣有着普遍的理解。特别是，我们经常观察到人们更喜欢与其他人对抗，因为人们以某种“类人”的方式行事，这被认为是天生的享受[34]总之，对于体育游戏AI系统来说，追求类似人类的行为可能是一个合理的目标，与高技能行为一样重要和具有挑战性。

6.体育运动中的战术与策略

选择团队运动作为AI基准的一个明显问题在于，除了战术和战略决策之外，它们还需要一定的体能和运动技能。由于这些物理方面无法在游戏框架中捕捉到，所以有必要调查体育团队行为在多大程度上对AI构成重大挑战。这可以进一步分为以下几个问题:(1)在现实世界的团队运动中，战术和策略的作用是什么?(2)现实团队运动中实际决策的复杂性是什么?(3)这些体验如何转化为电子游戏场景(见图)1.)？

显然，战术/战略因素的贡献在很大程度上取决于特定的运动。然而，有专门用于这些游戏元素在种类繁多的团队运动的[作品过多35–38]．反过来，优秀的游戏策略也不容易构建。例如，正如威尔逊在他专门研究足球战术史的书中所说，足球历史的特点是在建立球队战略方面的一系列范式转变。25:“足球和球员无关，或者至少不只是球员;它是关于形状和空间，关于球员的智能部署，以及他们在部署中的移动。”

在球员能力的差异施加额外的约束对教练的决定：一个人必须制定一个有效的战术方案，适用于给定的情况下，在比赛由特定玩家两个特定球队之间。我们可以在相对简单的游戏，如沙滩排球，每队由两名选手甚至观察到这一现象，并没有与对手没有身体接触。Koch和蒂尔普[39显示了男女运动员身体特征的差异(以及其他因素)如何促使他们为了获胜而选择不同的技术。

说到电脑游戏对运动的诠释，主流AAA项目的目标，如EA的FIFA，似乎是“让游戏更接近真实的游戏，也就是让电脑游戏与运动融合，”正如Sicart所观察到的。40]有趣的是，在他对真人足球与国际足联12年比赛的差异进行分析时，最显著的特点是国际足联的人工智能系统，控制着球员和裁判。西卡特通常对比赛的物理方面的模拟感到满意，但认为人工智能对足球的理解不够。而真人足球规则为裁判的解释留有足够的空间，国际足联12届人工智能裁判的脚本是确定性的，不会留下任何模糊的空间。同样，人工智能控制的球员的行为符合逻辑但又可预测，甚至是因其创造力和战术眼光而受到表彰的超级明星球员（如梅西）不要在电脑游戏中表现出这种能力。

这些限制实际上对玩家有着深刻的影响。人工智能决策的刚性和可预测性鼓励人们利用这种知识，并围绕它制定自己的策略。正如Sicart所言，“《FIFA》玩家需要学习如何进行程序性思考，如何解码已知规则、战术和玩家特征的技术执行，并将这种思维方式应用到游戏玩法中。”这一观察结果强化了我们的观点，即体育游戏AI仍然远远不能令人满意，需要进一步研究。

7.体育人工智能的挑战

一个AI比赛的目标是发展人工智能的方法，适用于更广泛的领域，或者至少给更大范围内的给定域的子任务。正如Togelius [表达20.他说:“我们应该努力消除参赛者对特定问题和问题参数的过度拟合，从而使比赛结果更普遍有效。”这是一种相对较新的设立竞赛的方法:它伴随着人工总体智能(AGI)，这需要比目前大多数人工智能方法更高的自主水平。最近的一个例子便是障碍塔挑战。10通过程序生成的，需要高度泛化技能的不同关卡。

同样，团队运动游戏可以作为研究各种相关挑战的好运，包括以下内容：(1)教练和运动员可以从人工智能中学到什么，反之亦然？我们可以很容易地观察到，顶级RoboCup 2D模拟联赛球队的策略与真实足球队的策略有很大不同。尽管RoboCup的具体目标及其对比赛的影响（见第节）3.），仍然不清楚设置的哪些部分可能对这些差异负责。我们也不知道原则上扮演谁，播放计算机足球更熟练的人类球员或AI队。我们可以将AI控制的角色与其真实的原型进行比较，如FIFA，但最好的真正的足球队和AI控制的计算机足球队之间没有比较。AI系统可能会从数字化真实足球队行为数据的到来大大享受，也可能是最佳的Robocup团队展出的学习团队策略可能受益(2)优秀的团队运动AI需要整合哪些方面?体育游戏几乎不可避免地要依赖某种类型的AI技术。一场没有人工智能的电脑足球比赛需要22名参与者和裁判同时在场。因此，AI在这一设置中的角色既是对手也是队友，并为人类玩家提供流畅的游戏体验和“暂停怀疑”。像RoboCup这样的环境为AI系统设定了一个直接的目标:它必须赢得尽可能多的比赛。然而，随着人工智能方法的成熟和熟练程度的提高，比如在国际象棋或格斗游戏中，我们需要另一个基准，强调用户享受刻面，对于一个游戏系统。玩家吸引力更难评估——目标难以捉摸，基准是主观的，但我们不能忽视这一因素的存在和重要性(3)什么是紧急和稳定的团队行为?在处理团队运动时，我们必须弄清楚什么构成了团队行为，以及成功团队的特征是什么。团队行为可以用目标驱动的决策来定义，其中团队目标(例如得分)优先于个人目标(例如炫耀)。然而，真正的足球队还拥有其他重要的特征，如对对手反击的适应性，对相同成功模式的有效重复，或在前进中调整策略。职业球员能够预测他们的队友和对手的行动(如果这些预测被证明是错误的，他们也能迅速调整自己的行为)，以及表现出团队战略中清晰可识别的元素。球队可以在进攻失败后迅速重新组队，并在球员受伤或被换下时重新调整队形。因此，团队行为是个体和群体战术的复杂相互作用，这对于具有高潜在影响的AI系统来说是一个有趣的挑战

8.讨论

智能团队行为是人工智能研究中一个有趣的问题，具有重大的现实意义。目前，还没有建立团队人工智能行为基准的测试平台，我们建议类似足球、冰球或篮球的运动游戏有可能成为这样的测试平台。可以说，备选方案包括游戏类型如RTS和MOBA。根据我们的比较（见表1.–6.)， MOBA游戏在某些方面与体育游戏特别接近。然而，也有明显的不同。

虽然RTS特别是MOBA游戏中的成功策略需要团队协作，但可以说，“团队行为”并不是这些类型游戏中最复杂的技能。RTS和MOBA是专门为所有参与者设计的。因此，每个玩家通常控制一个“英雄”负责他们自己的下属单位。复杂的团队战略可能要求一些参与者为了团队的利益牺牲他们的团队和/或专注于令人不快的琐碎任务，以支持前线与敌人的实际战斗。但是，这种模式在实际游戏中并不常见，谢谢一个精心设计的游戏经济和团队结构。

团队运动游戏是围绕团队vs概念自然发展起来的。——团队竞赛，其规则是长期发展的产物，目的是保持比赛对参与者和观众都有吸引力。尽管在每一项运动中都有一些表现出非凡能力的超级明星运动员，但通常情况下，运动队都是由拥有类似技能的人组成的(在任何情况下，都不存在像RTS那样的“单位多样性”)，并且不存在“资源挖掘”或“研究和建设”等游戏元素。因此，让游戏变得足够复杂以保持人们的兴趣的方法之一就是为多样化和非琐碎的团队策略腾出空间。这可能意味着一些团队成员确实需要进行一些被认为“不那么令人兴奋”的活动，比如足球中的守门员，他们通常没有机会进球。然而，他们的辅助团队角色可以通过展示个人精通能力而得到补偿。

因此，我们认为，就开发有效的团队策略而言，体育游戏可能至少与RTS/MOBA游戏一样具有挑战性。此外，人工智能研究项目更容易从相对简单的双人沙滩排球开始，再从五人制足球或五人制足球开始，然后再进行更复杂的比赛，如足球或美式足球。在这种情况下，AI创造的问题也受到限制，因为任务设置相对统一，处理团队行为的各个方面，而在RTS/MOBA中，一个成功的AI系统必须处理各种各样的问题，如资源管理、单位选择和复杂的层次目标规划。

在游戏元素的绝对数量而言，体育游戏比RTS / MOBA简单得多，因此，他们的游戏引擎应该更容易开发和更容易沟通。现代体育游戏开发就在于需要实现平稳和复杂的动画序列多样化的屏幕操作一个很大的挑战。然而，这个任务是不相关的人工智能研究，从而可以大大简化。如果我们看一下现有的团队运动类实际使用的AI项目，如暨RoboCup 2D仿真平台，WeBots系统（https://www.cyberbotics.com/)（用于最近的人工智能世界杯比赛）或MuJoCo足球环境(https://deepmind.com/research/open-source/mujoco-soccer-environment)（作为DeepMind在团队AI中进行实验的平台），我们观察到他们都淡化了动画和球员接触，而是关注运动和传球行为。

然而，我们必须认识到，对于什么是必须在计算机模拟中呈现的“核心”游戏元素，我们并没有达成一致。例如，在足球类游戏中，我们会看到执行或忽略身体接触/铲球、头顶传球和越位规则等元素的环境。因此，很难断言哪些特定的元素对于“有趣的”团队行为是至关重要的(尽管，实际运动的规则应该作为一个合理的近似，并且，可能不应该在没有充分理由的情况下被忽视)。

由于体育游戏代表了真正的体育运动，严肃的玩家对AI有着更详细的期望，特别是当其他游戏方面达到更高的现实水平时。AI控制的对手必须可信，队友必须具有合理的创造力和支持力。随着实际玩家跟踪的可用性不断增加，可能数据可以为实现这些目标提供有价值的见解。

我们还可以注意到，一个典型体育游戏的世界很难被描述为“丰富”——没有幻想主题的风景、复杂的地下城或令人兴奋的故事情节。因为没有足够的“装饰性”游戏元素可以“分散注意力”可怜的人工智能技术，它必须与其他核心元素（如动画和物理）保持一致。也许在其他游戏类型中，一些人工智能的个性是意料之中的，例如，在一个足球视频游戏中，梅西和罗纳尔多不仅在视觉上看起来像他们的真实世界的同行，而且在某种程度上与他们的行为相似。

团队运动游戏AI的另一个非常有趣的方面与可能目标的多样性有关：扮演队友/对手/裁判的角色；成为一名超级明星前锋或一名支持性后卫；要坚强、高效，或者要有趣、有创造力。由于针对各种游戏的真正强大的人工智能系统的兴起，可以预期人工智能开发的这些方面将得到更多的关注。作为一项既定的活动，体育比赛可以成为调查此类目标的良好环境，因为我们已经对观众和运动员的动机、良好裁判的原则以及体育比赛周围的一般心理环境了解很多。

9.结论

本文认为，团队运动在AI开发领域占据了一个特殊的、可能是独特的位置，因此值得单独关注，而不是放在其他多主体环境中，如RTS或MOBA游戏。体育电子游戏是现实世界竞争的虚拟表现，因此处于现实世界和虚拟世界之间的边缘位置。一方面，他们必须捕捉现实事件的本质，并忠实地代表它们，以吸引体育迷。另一方面，它们必须有趣且容易被玩家接受，因为玩家想要沉浸在虚拟世界中，在那里他们可以扮演成功的顶级运动员的角色。

运动游戏类型的一般趋势是游戏与现实之间的收敛[40，这实际上意味着更逼真的图像、环境和人工智能系统。优秀的AI是高质量团队运动游戏的基石之一;例如，很难想象一款足球类游戏设置为只允许玩家在线的多人模式，并且没有AI。

目前，人工智能技术的进步扩大了“已解决”游戏的范围从某种意义上说，人工智能打败了专业的人类玩家。在实践中，这意味着游戏人工智能研究的重点可以转移到次要挑战，旨在最大限度地提高游戏产品的娱乐价值。体育游戏特别适合研究人工智能的情感驱动目标：流行体育赛事的数量是稳定的，我们知道很多关于参与者和粉丝的动机和享受。

可能有人会认为与主观的用户享受的问题是难以对付：有没有简单的方法知道，以确定用户享受的AI相关人士透露，以实现AI最大化的乐趣，也没有评估获得的结果。然而，处理运动游戏在人工智能系统中，不可能忽视这些因素，尤其是在它们日益重要的情况下。因此，通过集中更多的研究努力来定义一个适当和长期的人工智能基准环境，预测这一趋势是合理和必要的。

数据可用性

使用的唯一外部数据是在稿件中引用，所有在网上提供。

利益冲突

作者宣布没有关于本文的出版物的利益冲突。

致谢

作者感谢智治中岛和智博原田对这篇文章的题目进行了初步讨论。

工具书类

1. j·麦卡锡(J. McCarthy)的《国际象棋是人工智能的果蝇》(Chess as the Drosophila of AI)电脑，象棋和认知，第227-237，施普林格，1990。视图:谷歌学术
2. R.Beal、T.J.Norman和S.D.Ramchour，“团队运动的人工智能：一项调查，”知识工程审查美国宪法第34卷第28条视图:出版商的网站|谷歌学术
3. L.汤普森，打造团队:管理者指南，培生教育，第5版，2014年。
4. D. Silver, A. Huang, C. J. Maddison et al.，“利用深度神经网络和树搜索掌握围棋游戏”，自然，第529卷，第5期。7587，第484-489页，2016。视图:出版商的网站|谷歌学术
5. V.Mnih，K.Kavukcuoglu，D.Silver等人。，玩雅达利和深度强化学习，2013，CORR，ABS / 1312.5602。
6. V. Mnih, K. Kavukcuoglu, D. Silver等人，“通过深度强化学习实现人类水平的控制”，自然，卷。518，没有。7540，pp。529-533,2015。视图:出版商的网站|谷歌学术
7. S. Ontañón, G. Synnaeve, A. Uriarte, F. Richoux, D. Churchill和M. Preuss，《星际争霸中实时策略游戏AI研究与竞争》《人工智能和游戏中的计算智能》，第5卷，第5期。4，第293-311，2013。视图:出版商的网站|谷歌学术
8. O.Vinyals、T.Ewalds、S.Bartunov等人。，星际争霸2:强化学习的新挑战，2017，CoRR，abs/1708.04782。
9. O.Vinyals，I.Babuschkin，J.Chung等人，“AlphaStar：掌握实时战略游戏星际争霸2”，2019年，https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/.视图:谷歌学术
10. A.Juliani，A.Khalifa，V-P.Berges等人。，障碍塔:在视觉、控制和规划方面的一般化挑战2019年，arXiv预印本arXiv:1902.01378。
11. 柯林斯Collins英语词典综述（13日）, 2018.
12. 维基百科的贡献者，团队运动 - 维基百科，免费百科全书，Wikimedia Foundation，Inc。，2019年。
13. Robocup，机器人世界杯联合会，机器人世界杯联合会，2021年。
14. Robocup，“机器人足球世界杯”联盟:目的.
15. Robocup，机器人足球仿真.
16. H. Akiyama和T. Nakashima，“Helios基地:RoboCup足球2D模拟的开放源码包”第十七届机器人世界杯S. Behnke, M. Veloso, A. Visser, R. Xiong, Eds。，第528-535页，施普林格，柏林海德堡，2013。视图:谷歌学术
17. Prokopenko先生和P.Wang先生，机器人世界杯2D模拟足球联赛的颠覆性创新:从98 cyberoos到滑翔机，2016，CoRR，abs/1612.00947。
18. M. Prokopenko, P. Wang, S. Marian, A. Bai, X. Li, X. Chen，“机器人世界杯2D模拟足球联赛:评估挑战”，第21届机器人世界杯[日本名古屋，2017年7月27-31日]，第325-337页，2017年。视图:谷歌学术
19. P. Macalpine和P. Stone，“UT Austin Villa Robocup 3D仿真基本代码发布”机器人足球世界杯XX，人工智能讲义S. Behnke, D. D. Lee, S. Sariel和R. Sheh, Eds。Verlag，柏林，2016。视图:出版商的网站|谷歌学术
20. J.Togelius，“如何成功举办基于游戏的AI竞赛，”IEEE Transactions on Computational Intelligence and AI in Games，第8卷，第2期1, pp. 95-100, 2016。视图:出版商的网站|谷歌学术
21. A.Ferrein和G. Steinbauer，“Hobocup 20岁”KI-Kunstliche Intelligenz，第30卷，第2期3-4, pp. 225-232, 2016。视图:出版商的网站|谷歌学术
22. Y.Verhoeven和M.Preuss，“关于火箭联盟推动团队AI发展的潜力”，年IEEE SSCI 2020的程序，第2335-2342页，2020。视图:谷歌学术
23. G.肯德尔和L. J. A. Lenten，“当体育规则出错时，”欧洲运筹学杂志第257卷2, pp. 377-394, 2017。视图:出版商的网站|谷歌学术
24. 布拉德利和托伊，以职业的方式踢足球，哈珀与罗，1973年。
25. j·威尔逊,颠倒金字塔:足球战术的历史,猎户座,2010。
26. j·威尔逊,为什么现代越位规则的天才作品？《卫报》,2010年版。
27. 国际足联守门员不能凌驾于法律之上，国际足联，1997年。
28. K.莳萝，“什么是游戏ai？”在游戏AI职业， S. Rabin, Ed.， pp. 3-10, A K Peters/CRC Press, 2013。视图:谷歌学术
29. M. Swiechowski，《游戏人工智能竞赛:模仿游戏竞赛的动机2020第15届会议上计算机科学与信息系统（FedCSIS），第155-160页，保加利亚索菲亚，2020年。视图:谷歌学术
30. 我。哦，S. Rho, S. Moon, S. Son, H. Lee和J. Chung，创建pro-level AI实时战斗游戏与深度强化学习arXiv预印本arXiv:1904.03821。
31. 奥利维亚迈克尔和奥利弗有力，Betarun足球模拟联赛团队：品种，复杂性和学习2017年，arXiv预印本arXiv:1703.04115。
32. A. Correia和S. Esteves，《足球比赛中观众动机的探索性研究》，国际体育管理与营销杂志，第2卷，第5/6号，第572-590页，2007年。视图:出版商的网站|谷歌学术
33. T.K.Scanlan、P.J.Carpenter、M.Lobel和J.P.Simons，“青少年体育运动员的快乐来源，”小儿运动科学，第5卷，第5期。3，第275-285页，1993。视图:出版商的网站|谷歌学术
34. P. Sweetser, D. Johnson, J. Sweetser和J. Wiles，“为游戏创造迷人的人工角色”娱乐计算国际会议记录，第1-8页，2003年。视图:谷歌学术
35. g .格拉斯科NBA教练手册:技术，战术，和教学要点，人体动力学，2008年。
36. 约翰斯顿和沃尔特，曲棍球运动与策略，第二版，人类动力学，2018。
37. T. F. Tahtouh，排球：技巧和策略，露露出版服务，2017。
38. A. Zauli，足球：现代战术, 2011年Reedswain。
39. C.Koch和M.Tilp，“沙滩排球技术和战术：男女比赛特征的比较，”运动学，卷。41，第52-59，2009。视图:谷歌学术
40. M.Sicart，“两场比赛的故事：足球和国际足联12”，年运动视频游戏，页40-57，劳特利奇，2013。视图:谷歌学术

版权

版权所有©2021马克西姆Mozgovoy等。这是分布下的开放式访问文章知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。