本课学习路径：

1．分析任务

自动玩游戏的模型，对应的核心技术是强化学习。强化学习是一

• 种让智能系统（如模型）通过与环境交互，不断学习决策方法的机器
• 学习方式。其基本思想是：智能系统在尝试不同动作的过程中，根据
• 环境提供的反馈调整自身行为，以实现奖励的最大化。
• 为实现这一目标，需要构建完整的训练体系，包括对当前状态的描述、动作的确定以及奖励机制的设计等。

2．分析任务1

奖励机制鼓励尽可能延长生存

• 时间并穿越更多障碍物，同时
• 避免危险操作。
• ·未发生碰撞，每帧得0.01分；
• ·成功穿过一根管道，得1分；
• ·若发生碰撞，得-1分。

想一想：·游戏画面分辨率是多少？

3．训练模型

训练过程可视为计算机通过不断尝试玩游戏、积累经验并优

• 化决策的过程。在这个过程中，智能系统并非初始即知晓什么动
• 作是最好的选择，而是通过反复试错，逐步学会在不同状态下做
• 出合理决策。
• 为了实现这一学习过程，强化学习引入了“探索-利用”策略。在训练
• 初期，智能系统主要进行“探索”，即以较高概率随机选择动作，从而广

想一想：探索率一直为0或一直为100%，会发生什么？

弄清以上要点后，再进入下方动手体验，用实际操作验证。