L'IA apprende la durata delle azioni nei giochi di combattimento

Un nuovo framework di apprendimento per rinforzo consente agli agenti di apprendere sia l'azione che la sua durata in giochi di combattimento come Street Fighter II. Gli agenti RL tradizionali agiscono a intervalli fissi (ogni frame o N frame), garantendo riflessi perfetti a livello di frame o riducendo il costo computazionale, ma mancano di adattabilità. Il metodo proposto prevede congiuntamente azione e durata, consentendo una reattività dinamica. Implementato nell'ambiente open-source FightLadder, gli agenti addestrati contro script possono regolare i tempi di reazione in base alla situazione. La ricerca, pubblicata su arXiv (2605.20911), affronta la sfida del processo decisionale in tempo reale nei giochi frenetici.