AI-TENNIS

介绍

基于深度强化学习的AI网球agent探索，提供游戏环境、AI决策的全部源码，欢迎加入共同完善项目。

目前项目已经完成了初步的训练，采用D-DQN系列的方法，取得了阶段性的成绩——战胜人类玩家。 仓库负责人通过大量的实验，并且让20名资深游戏玩家在试玩训练一小时后开始对局，最优秀的“ 人类 vs AI ”战绩为30:100.

系统架构

项目采取C/S架构。server端为worldmodel，负责对agent的动作进行注册，执行，并且维护了球场的环境。angent通过server来获取球场的参数。 angent为客户端，即为球员。开发者通过编写球员的决策代码，可以完成对球员的比赛策略进行编写（在与人类对局的时候，其中一个agent的决策由键盘操控）。

配置依赖

pytorch>=1.6 python>=3.7.1 PyQt5

使用说明

python ./trainer.py

参与贡献

1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request