我一直致力于一个课程项目，我们使用FSM实现FPS，显示游戏的前2d视图，以及使用机器人，玩家和圈子。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以下，并且玩家可见，则机器人会逃跑，否则它会寻找健康包。
然而，我觉得在这种情况下，机器人并没有表现出太多智慧，因为它所做的大多数决定都是基于我们已经决定的规则。
我可以使用哪些其他技巧，这有助于我在机器人中实现一些真正的智能？我一直在关注HMM，我觉得它们可能有助于在机器人中带来更多的不确定性，并且机器人可能会开始在做出决策时更加自主，而不是依赖于预先定义的规则。
你们觉得怎么样？任何建议将不胜感激。
答案 0 :(得分：2)
我不认为使用隐藏的马尔可夫模型会更加自主。它只是遵循模型的更不透明的规则而不是状态机的显式规则。它仍然是确定性的。他们带来的唯一不确定性是观察者，他们没有简单的规则集来预测。
这并不是说它们不能有效使用 - 如果我没记错的话，FPS游戏的几个机器人使用这种系统向玩家学习并开发自己的AI。
但这确实完全取决于您希望使用该流程建模的内容。 AI并不是关于算法，而是关于表示。如果您所做的只是选择当前FSM所具有的相同状态并观察现有玩家的转换，那么您不可能获得比专家输入更仔细调整FSM规则的更好的系统。
鉴于你不会设法实现“一些真正的智慧”，因为目前认为这超出了现代科学，你想要创造什么？它是一个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？是故意引入不寻常的选择以使对手难以预测？