Building a Multi-Agent Learning System for Geometry Friends

Machine Learning é, hoje em dia, uma área excitante devido ao maior poder de computação disponível atualmente. A descoberta de aplicações para o mundo real aumenta, mas também o desenvolvimento de novos algoritmos e estratégias nesta área. Os jogos sempre foram um excelente laboratório para o estudo destas novas ideias e o Geometry Friends é um excelente exemplo disso. Trata-se de um desafio de estratégia multi-jogador que possui a sua própria competição com o objetivo de distinguir os melhores agentes cooperativos e não cooperativos. O problema do jogador único já teve várias diferentes abordagens ao longo dos anos, com resultados muito satisfatórios. A atenção vira-se agora para a resolução da componente de cooperação associada à jogabilidade multi-jogador. Neste trabalho, nós propomos uma arquitetura consistente de um sistema de aprendizagem multi-agente, inspirado no sucesso alcançado por agentes únicos na utilização de grafos direcionados de peso e Reinforcement Learning. A motivação é construir uma base sólida para futuras soluções de cooperação que procurem expandir e explorar conhecimentos de Machine Learning. Os resultados finais demonstram que o nosso sistema superioriza-se às propostas submetidas até hoje, assente numa estrutura simples apesar das exigências complexas inerentes a um ambiente multi-agente.