从主机游戏中获得强化学习的奖励

Question

我正在尝试将强化学习 (RL)，例如 Q-learning 或 A3C 用于控制台游戏。 我没有任何这些游戏的源代码，因此可能无法创建环境。 对于 RL，网络需要对其行为进行奖励； 我的问题是如何获得奖励。 例如，在 Halo 中，杀死某人应该是正奖励 (+1)，而死则是负奖励 (-1)。 当您击杀或死亡时，屏幕上没有指示。 如果需要，我将使用 Python 和 Tensorflow。

Answer 1

您最好的选择可能是使用音频提示。 我知道当玩家死亡或被击杀时，Halo 播音员会发出特定的声音。

如果张量流有某种方式来抓取音频并与给定样本进行比较，这可能是检查玩家是否被杀死或死亡的有效方法。

免责声明：我以前没有使用过 TensorFlow。