# 团队体育游戏

流行的体育游戏通常基于基于团队的游戏，如足球、篮球和足球。这些游戏旨在通过逼真的动画和3D图形尽可能逼真。在一年一度的机器人世界杯足球赛( RoboCup )中，一些类似足球的环境被广泛用作研究平台，包括物理机器人和2D/3D模拟

## Keepaway Soccer

> [Keepaway Soccer: From Machine Learning Testbed to Benchmark](https://www.cs.utexas.edu/~pstone/Papers/bib2html-links/LNAI2005-keepaway.pdf)

Keepaway soccer曾被提出作为机器学习的测试平台。尽管许多研究人员已经成功地将其用于机器学习实验，但这样做需要大量的领域专业知识。本文介绍了一组程序、工具和资源，这些程序、工具和资源旨在使该领域在不了解RoboCup或足球服务器的情况下易于用于实验。此外，我们还报告了Keepaway领域的新实验，以及设计成可与未来实验结果直接比较的性能结果。结合起来，新的基础设施和我们在对比实验中对其使用的具体演示，将该领域提升到了一个机器学习基准，适合该领域的研究人员使用。

## Half Field Offense

> [Half Field Offense: An Environment for Multiagent Learning and Ad Hoc Teamwork](https://pdfs.semanticscholar.org/6c74/4d367698c5f1059a3ac312ea91ebd1460d52.pdf)

二十多年来，RoboCup 2D仿真领域一直是人工智能，机器学习和多代理系统研究的平台。然而，对于希望快速制作原型并评估不同算法的研究人员而言，完整的RoboCup任务呈现出繁琐的前景，因为可能需要数周才能建立所需的测试环境。复杂性部分归功于几个代理的协调，每个代理都具有多层控制层次，并且必须平衡攻击性和防御性目标。本文介绍了一种新的开源基准测试，它基于足球的半场防守子任务，作为一个易于使用的实验平台。在保留足球固有挑战的同时，HFO环境限制了代理人对决策的关注，提供了与环境和其他代理交互的标准化界面，以及用于评估绩效的标准化工具。由此产生的测试平台可以方便地测试单个和多个学习，特设团队和模仿学习的算法。除了对HFO环境的详细描述外，我们还针对各种HFO任务提供了强化学习代理的基准测试结果。我们还强调了HFO环境为未来研究开辟的其他几个挑战。

![](/files/-LaNIJnyI4Z-HZIbAVTJ)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://hujian.gitbook.io/deep-reinforcement-learning/qian-yan/yan-jiu-ping-tai/tuan-dui-ti-yu-you-xi.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.