Player-1框架发布：革新游戏AI控制，通过合成体验实现超越监督学习的表现

摘要：Player-1是一款新型游戏AI控制框架，通过合成体验实现超越传统监督学习的效果。该框架扩展了计算机操作的动作空间，包括相对指针运动、持续输入和复合动作，并利用精心策划的6,044条游戏轨迹进行监督初始化。Player-1-Gym包含16个合成2D和3D环境，支持多环境强化学习。实验结果表明，Player-1-9B和Player-1-35B-A3B在MineDojo-300任务中分别提升了27.8和17.7个百分点，Player-1-9B在ViZDoom-10和GameWorld等任务中也表现出色，展示了其在复杂游戏场景中的泛化能力。

---

核心突破

Player-1框架的核心突破在于其通过合成体验实现游戏AI控制的创新方法。该框架扩展了计算机操作的动作空间，包括相对指针运动、持续输入和复合动作，从而更接近人类在游戏中的操作方式。通过监督初始化，Player-1在6,044条精心策划的游戏轨迹上进行微调，这些轨迹将记录的动作与任务指令和视觉推理配对。

技术机制剖析

Player-1-Gym包含16个合成2D和3D环境，这些环境围绕游戏中常见的控制需求设计。环境采用可编程验证的奖励机制，并支持随机化的观察和控制动态，以支持多环境强化学习。Player-1使用PPO算法进行训练，并结合复合动作来提高训练效率和表现。

工程权衡与实测表现

Player-1-9B和Player-1-35B-A3B在MineDojo-300任务中分别提升了27.8和17.7个百分点，显示出合成体验在提升游戏AI控制方面的巨大潜力。Player-1-9B在ViZDoom-10和GameWorld任务中也表现出色，成功率分别为38.33%和12.63%，显著优于最强基线模型。此外，实验表明，更广泛的合成环境覆盖范围有助于提高模型的迁移能力，而复合动作的使用在强化学习中显著增加。

开发者落地与部署建议

对于游戏AI开发者，Player-1框架提供了一种新的思路，即通过合成体验来弥补传统监督学习的不足。开发者可以利用Player-1-Gym环境进行训练，并结合PPO算法和复合动作来优化模型性能。此外，框架的模块化设计使其易于扩展和集成到现有的游戏AI系统中。

---

消息来源：Hugging Face Trending Papers (2026-10-14)

—— 完 ——

主题标签： #Player-1 关注 #游戏AI 关注 #强化学习 关注 #合成体验 关注 #多环境训练 关注