DeepMind · 评测
DeepMind 与暴雪开放星际争霸图将星际争霸 II 开放为 AI 研究环境
DeepMind 与暴雪霸图将星际争霸 II 开放为 AI 研究环境，为强化学习与多智能体系统提供标准化评测提供全新平台。该环境包含完整的游戏 API、回放数据集和基准智能体，支持从微观操作到宏观策略的全链路实验。研究者可直接在实时战略游戏中测试决策、规划与协作能力，填补信息下的推理能力，填补了复杂博弈场景下公开评测基准的空白。
- 域名
deepmind.google- 评分
- 5 · 重大发布
- 发布
- 2026-03-12
导读
DeepMind 与 Blizzard Entertainment 联合发布 SC2LE，把《星际争霸 II》正式开放为强化学习研究环境。这份发布包含 Blizzard 维护的 Machine Learning API、首次提供的 Linux 版本工具、从 6.5 万条扩展到 50 万条以上的匿名对战回放数据集、DeepMind 自家的 PySC2 工具包，以及一篇配套论文，给出环境定义、mini-game 基线和 1v1 阶梯赛对内置 AI 的初始结果。
论文给出的难度来自三方面：游戏目标是击败对手，但同时要在采集资源、建造、扩张、侦察之间分配注意力；一局可能持续几分钟到一小时，早期动作要在很久之后才兑现；地图只部分可见，agent 必须把记忆与规划组合起来。动作空间的规模也远超 Atari，基础动作类型超过 300 个，加上层级结构与点选屏幕，84×84 的屏幕分辨率下可执行动作数量量级在 1 亿左右。
PySC2 把游戏拆成 feature layer，把单位类型、生命、可见度等元素分通道暴露给 agent，并配套一组 mini-game 用于隔离训练子任务。DeepMind 自己的初步实验显示 agent 在 mini-game 上能学到合理策略，但即便 A3C 这样的强基线在完整 1v1 里也赢不下最简单的内置 AI 一局，说明这个环境留给社区的难度空间足够大。Blizzard 后续会持续放出十万量级的阶梯回放，把模仿学习、序列预测、长时记忆都拉进可研究的轨道。