如何在视频游戏中规范化机器学习（神经网络）的输入

Question

最近，我一直在创建神经网络，计划训练他们玩我所做的游戏（神经网络可以访问所有游戏数据）。我对神经网络，遗传算法和NEAT实现有很深的理解。然而，我遇到的问题是将玩家看到的输入规范化。如果我们有敌人对象，medkit对象和武器对象，则需要输入和处理它们。我看到了来自SethBling here的视频，在那里他简要解释了他如何设置神经网络。他只使用了值1,0和-1。但是，对于更复杂的游戏，这是行不通的。当输入为.25＆lt; 25时，我尝试使用小模拟返回true。 x＆lt; .75并且否则为假，但它无法找到解决方案。因此，似乎我不能只将对象的ID扔到神经网络中。非常感谢任何帮助！

Answer 1

我打算发表评论，但不幸的是我没有足够的声望点。所以，我有一些建议，希望能给你一些想法。我将假设您使用NEAT算法作为游戏算法。现在，从我收集的问题来看，因为你在游戏中有不同数量的实际物体要与之交互，所以几乎不可能为每一帧提供标签。因此，正如您似乎已经想到的那样，您需要为对象提供非整数域，无论是通过类的总数还是其他方法将检测到的类ID标准化。为了尝试完成这个（或避免问题），我有3个命题：

1：使用某种类型的图像处理（无论是分割还是阈值处理），对象检测以及图像时刻，以便创建您感兴趣的对象数据库，然后在游戏进行时，您可以重新创建一个更简单的实际游戏环境版本

2：训练语义分割神经网络以执行类似于1

的操作

3：训练（或使用预训练的）深度卷积神经网络来提取高级特征。然后使用这些功能（可能还有某种位置编码方法）作为NEAT算法的输入。然后，您的NEAT算法将选择要查看的过滤器组合，以便做出决定。

我想我会亲自尝试3号选项，因为它需要最少量的手动工作才能初步设置。

我希望这会给你一些想法。

Answer 2

当使用神经网络时，一个好的方法是将它们视为人类。人类需要知道什么？ 我一直在做的是为不同类型的东西提供网络不同的传感器。我的传感器几乎总是只有一定长度的光线。 在你的情况下，我相信你没有比使用3个传感器作为硬币，3个传感器用于药物等更好的选择。 你还必须决定是否要使用布尔传感器（它只会告诉网络是否有东西触发了传感器，无论多么接近）或双传感器（它会返回一个值告诉网络事件发生的接近程度）或者如果你想两者合并。