隐藏的马尔可夫模型而不是第一人称射击游戏中的FSM

Question

我一直在研究一个课程项目，在该项目中，我们通过显示游戏的前2D视图以及使用机器人，玩家和圈子来实现FPS。机器人的行为是确定性的。例如，如果机器人的健康状况下降到阈值低于阈值，并且可以看到玩家，则机器人逃跑，否则请寻找健康包。

但是，我觉得在这种情况下，机器人并没有显示出太多的智能，因为它做出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，这可以帮助我在机器人中实施一些真正的智能？我一直在看HMM，我觉得它们可能有助于带来机器人的更多不确定性，并且该机器人在做出决策方面可能开始更自主，而不是根据预先定义的规则。

你们有什么感想？任何意见，将不胜感激。

Answer 1

我认为使用隐藏的马尔可夫模型真的不会更自治。它将遵循模型的更不透明规则，而不是状态机器的明确规则。这仍然是决定性的。他们带来的唯一不确定性是向观察者带来的，他们没有简单的规则集可以基于预测。

这并不是说不能有效地使用它们 - 如果我没记错的话，FPS游戏的几个机器人都使用了这种系统来向玩家学习并开发自己的AI。

但这确实完全取决于您要使用该过程建模的内容。 AI并不是真正的算法，而是关于表示。如果您要做的就是选择与当前FSM相同的状态并观察到现有播放器的过渡，那么您就不太可能获得更好的系统，而不是让FSM仔细调整的专家输入规则。

鉴于您不会设法实施“一些真正的智能”，因为目前被认为是现代科学之外的，您想创造什么？它是从自己的实验中学习的系统吗？通过观察人类受试者学习的系统？一个故意引入异常选择的人是为了使对手更难预测吗？