首届AI球球大作战:Go-Bigger多智能体决策智能挑战赛火热开赛

2021 年 12 月 7 日 机器之心
机器之心发布
机器之心编辑部

《球球大作战》是一款风靡全球的休闲电子竞技游戏,以大球吃小球为目标,简单有趣却又斗智斗勇。AI 世界的 “大球吃小球” 挑战赛现已开启!协作、博弈、对抗,精彩纷呈,欢迎前来挑战!



2021 年 11 月,全球首届 “AI 球球大作战:Go-Bigger 多智能体决策智能挑战赛” 正式启动。作为面向全球技术开发者和在校学生的科技类竞赛活动,本次比赛旨在推动决策智能相关领域的技术人才培养,打造全球领先、原创、开放的决策 AI 开源技术生态。


本次比赛由 OpenDILab(开源决策智能平台) 主办,上海人工智能实验室作为学术指导,商汤科技、巨人网络、上汽集团人工智能实验室联合主办,全球高校人工智能学术联盟、浙江大学上海高等研究院、上海交通大学清源研究院联合协办,OSCHINA、深度强化学习实验室作为支持,PaperWeekly、机器学习算法与自然语言处理作为合作媒体。比赛共设冠军、亚军各 1 名,优胜奖 4 名,共同瓜分 15 万赛事奖金。预计明年 3 月封闭天梯测试, 并在 4 月发布及公示获胜结果。


【赛事亮点】

  1. 这是一个 AI 世界的 “大球吃小球” 团队合作与竞技挑战赛,选手可以通过几行简单的规则代码,或是精巧的策略设计,抑或是复杂的强化学习算法来与世界各地的 AI 选手战斗;

  2. 比赛提供基于简单规则的 AI 代码助选手快速上手,以及基于基础强化学习的 AI 模型助选手轻松上分;

  3. 本赛事采用天梯系统对各位选手的 AI 进行真实公平的评测;

  4. 提供可视化与实时人机交互工具,可快速了解环境规则,查看对局情况,直播精彩瞬间。


【赛程安排】


说明: 具体时间请以官方通知为准

【奖项设置】

本次竞赛的结果会在竞赛官方网站公布,获奖证书由竞赛组织委员会统一颁发。本次竞赛具体设置以下奖项:


【赛事任务】

各参赛队伍将在 OpenDILab 开源的 Go-Bigger(https://github.com/opendilab/GoBigger )的游戏环境下,进行多智能体协同、对抗,组委会授权参赛人员使用提供的环境及代码进行指定竞赛的模型训练工作,参赛人员不得将其用于任何商业用途。在游戏中,每支参赛队伍控制游戏中一支队伍(每支队伍由多个玩家组成)。竞赛参赛队伍需要通过提交智能体的方式,来对游戏中的一个队伍及其所包含的玩家进行控制,通过团队配合和策略来获取更高的分数,从而在游戏中取得更高的排名。(Go-Bigger 游戏环境介绍: 五分钟教你在 Go-Bigger 中设计自己的游戏 AI 智能体


在复杂的游戏环境中,天梯是游戏环境评估不同智能体的公平方式,本次竞赛评测系统将以天梯系统来对选手的提交包进行检测排名。

提交智能体的方式:

参赛选手只需实现大赛提供的接口,给出智能体在每一帧的动作,最后将代码以及相关模型或文件提交即可加入测试天梯。更多详细内容请查看 GoBigger-Challenge-2021。

链接:https://github.com/opendilab/GoBigger-Challenge-2021

【参赛报名要求】

本次竞赛面向中国及境内外高等学校在读学生(含本科、硕博研究生等)和技术开发者,本次竞赛不收取任何报名费用。

具体要求如下:

  1. 本次竞赛面向全球开放,不限年龄、性别、身份、国籍,鼓励多元化背景选手组队参赛;

  2. 参赛选手注册账号后可自由组队,需指定一名队长,团队人员总数最多不超过 5 人;

  3. 每名参赛选手只能参加一支队伍,一旦发现某选手以注册多个账号等方式参加多支队伍,将取消其名下所有相关队伍的参赛资格;

  4. 大赛相关单位中涉及题目编写、赛题接触的人员禁止参赛、禁止委托他人参赛(未参与比赛相关工作的大赛相关单位员工可以参赛)。


【报名交流方式】

(1)登录竞赛网站报名

https://www.datafountain.cn/competitions/549/?utm_source=gobigger99


(2)官方小助手微信:


(3)官方 Issue 链接:

https://github.co m/opendilab/GoBigger-Challenge-2021/issues

(4)竞赛官方邮箱: opendilab.contact@gmail.com  

(5)竞赛官方交流 QQ 群 :665967172

(6)官方 Github

登录查看更多
0

相关内容

【AI+军事】附PPT 《让作战实验室为多域作战做好准备》
专知会员服务
87+阅读 · 2022年4月17日
专知会员服务
25+阅读 · 2021年6月25日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
202+阅读 · 2019年9月30日
【预告】CSIG FAT-AI 2022开放场景人脸对抗伪装挑战赛将于5月开赛
中国图象图形学学会CSIG
0+阅读 · 2022年4月8日
自动化所及第平台举办“奥林匹克 跑步运动”智能体挑战赛,欢迎参赛!
五分钟教你在Go-Bigger中设计自己的游戏AI智能体
PaperWeekly
0+阅读 · 2021年10月29日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
17+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
14+阅读 · 2008年12月31日
Estimation of the Shapley value by ergodic sampling
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Towards Fine-grained Causal Reasoning and QA
Arxiv
0+阅读 · 2022年4月15日
Arxiv
30+阅读 · 2021年7月7日
Arxiv
12+阅读 · 2020年12月10日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
VIP会员
相关基金
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
17+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
14+阅读 · 2008年12月31日
相关论文
Estimation of the Shapley value by ergodic sampling
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Towards Fine-grained Causal Reasoning and QA
Arxiv
0+阅读 · 2022年4月15日
Arxiv
30+阅读 · 2021年7月7日
Arxiv
12+阅读 · 2020年12月10日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
Top
微信扫码咨询专知VIP会员