人工智能超级玛莉:Mario AI Competition

超级玛莉是一款非常经典的任天堂游戏，现在又有了新的玩法：编写Mario AI程序来玩游戏！在IEEE 消费电子协会组织的首届游戏创新会议上，一群人工智能专家和游戏程序员参与这样一个竞赛：Mario AI Competition，组织者希望通过这样一个经典的游戏来比较不同的人工智能技术。本文首先介绍一下游戏环境和规则，然后分析一下2009年的比赛结果和相关技术。

游戏环境和规则

游戏软件是根据Java版本的超级玛莉 Infinite Mario Bros改写而成，能够无限地随机生成关卡，并且能以超过1000X的速度运行，这给希望使用机器学习技术的用户带来很大方便。

游戏的接口很清楚：智能体（控制程序）从游戏软件得到当前的环境信息，并返回要做的动作，其结构如图。

人工智能超级玛莉游戏接口

游戏的任务就是开发一个超级玛莉程序（智能体）去过关，比的是看谁的程序过的关最多、花的时间最小、得的分最多。智能体从游戏中能得到的信息有：

• 周围22X22 大小范围内的物体（如：墙、大炮、生物等），如图
• Mario的自身状态：位置、是否在地面、能否跳跃、大/小 等

Mario的感知范围

Mario能够做的动作和原作游戏一样：上下左右方向、跳跃和加速。游戏的挑战性在于：

• 需要处理的状态空间很大（超过 22x22x4x5)
• 需要处理复杂的情况（不像赛车游戏那么简单）
• 需要一定的迂回策略（如先后退以获得足够的速度冲过悬崖）

Mario AI Competition 2009

在2009年的比赛中，大家主要使用的技术有：搜索、规则系统、遗传算法、遗传编程和人工神经网络。从结果来看A*搜索胜过了其它所有的算法，前三名都是采用的A*算法，这点正好印证了“有效的方法往往是简单的”。而组织者则认为应该进行一些改进以使得机器学习算法更有竞争力。

Mario AI Competition 2009 结果

让我们来看看冠军Robin Baumgarten的设计思路。他首先分析游戏的物理引擎，得到所有物体的运动公式；接着编写自己的物理引擎来预测状态的变化；然后将物理引擎放入到A*算法中来评估每个节点；当然搜索还需要启发信息：需要多久才能到达目标；还要排除掉掉入深渊或者受伤的状态。最终A*算法给出一条“最佳”的运动路径。

Mario 使用 A* 搜索示意图

由于游戏是一个确定的、可预测的环境，所以搜索算法十分有效。来欣赏一段游戏视频吧：

怎么样？够刺激吧，组织者表示2010年将继续组织比赛，并希望推广到更多的学术会议中，有兴趣的可以关注一下比赛的网站：Mario AI Competition。

参考文献

1. S. Karakovskiy and J. Togelius Mario AI Competition @ CIG 2009 IEEE Symposium on Computational Intelligence and Games
2. A. J. Champandard Infinite Mario AI using A* Search: The Definitive Interview with Robin Baumgarten http://aigamedev.com/open/interviews/mario-ai/

【转帖】原帖链接：http://airobot.org/blog/2009/10/07/%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd%e8%b6%85%e7%ba%a7%e7%8e%9b%e8%8e%89mario-ai-competition/comment-page-1/#comment-81