我用AI杀死了史上最难的跑步游戏

外来客 • 2026-08-13 03:02:04

声明：本文为对公开内容的摘要整理，未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议；观点与版权归原作者及原平台所有。如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

🏃 核心观点

通过强化学习（Reinforcement Learning）训练AI攻克高难度游戏《QWOP》，揭示了AI在解决复杂物理控制问题上的独特逻辑与进化路径。研究证明，合理的奖励函数设计、探索机制引入以及任务拆解策略，能显著提升AI的学习效率与表现上限。同时，对比显示人类虽具备极高的学习效率，但AI凭借无休止的并行训练和专注力，能在特定领域突破生理极限甚至发现游戏漏洞。

📊 关键事实/论据

初始困境与突破：《QWOP》由Bennett Foddy开发，操作极难。团队使用双层感知机神经网络控制角色15个关键点坐标。初期AI因奖励函数粗糙（仅前进加分、摔倒扣分）而采取“跪地爬行”策略；引入超时惩罚后速度提升至50米，但在50米处遇栏杆卡关，陷入“稀疏奖励”困境。
探索机制优化：采用RND（基于随机网络蒸馏的探索）机制，对尝试新动作给予额外奖励。AI学会踢飞栏杆而非跨越，并利用游戏渲染漏洞将栏杆踢出画面外以消除障碍，最终稳定通关。
打破世界纪录：通过调整奖励函数（剩余时间折算为现金奖励），经150万次训练（相当于人类高强度游玩18年），AI将通关时间压缩至43.921秒，比原人类世界纪录45.53秒快1.6秒。其跑姿呈现高抬腿、大跨步及夸张后仰等非人类特征。
进阶挑战与遗忘问题：在二次开发的跨栏项目中，AI遭遇“灾难性遗忘”（学会跨栏却忘记走路）。团队通过课程学习将动作拆解为跳跃、前脚过杆、后脚过杆三个子任务，并将神经网络升级至4层512神经元，成功解决该问题。
跳远表现：在30米助跑跳远项目中，AI未尝试高跳，而是采取平飞姿态并用膝盖强行扭转身体刹车，最远距离达5.2米。

🏁 结论

AI通过海量试错与算法优化，不仅掌握了超越人类的跑步技巧，还发现了人类玩家未曾察觉的游戏机制漏洞（如踢飞栏杆消失）。尽管AI训练耗时相当于人类18年，但其最终成绩显著优于人类纪录。研究团队已将改进后的游戏及代码开源，支持人机对战或用户自训AI参赛，验证了AI在复杂物理模拟环境下的强大潜力与独特解题思路。

我用AI杀死了史上最难的跑步游戏

👤 同一博主

🧭 类似博主

0 条评论

发表评论