Можно сделать ещё иерархию, РЛ которая будет давать верхнеуровневые команды вроде всем юнитам двигать в точку А, фокусировать юнита Б

и все равно будет играть хуже ифов))
т.к. радиус 5 это уже радиус атаки, а тот же раб должен отбежать за пару тиков раньше, чтобы найти себе новое занятие

А потом когда начнется бой отдавать управлению другим, которые будут уже микрить

В этом вся проблема нейронок...

Да, так мне кажется проще научить чему-то осмысленному

Для начала можно предложить, что все юниты лучники, тогда будет только два варианта клеток лучники и непроходимые

Ещё очень много геморроя будет с дизайном функции награды

Например, что за ограничения?

Я попробовал просто score в качестве награды. Рабочие достаточно быстро начинают учиться ходить и собирать ресурсы

Ты уже пробовал нейронку делать?

Как учил, в таком случае?

Да, взял U-Net, который формирует многомерное потенциальное поле. Далее для каждого юнита рассчитывал вероятность действий на основании значения ПП в окрестности юнита. Далее реализовал алгоритм Policy Gradient

А зачем u-net?

Круто, а почему именно U-Net?

Добавление крейтов в образ занимает от нескольких часов до пары дней. А в Rust в отличие от Python минимальная база. Я попросил добавить iterttools и мне повезло, что это заняло несколько часов. Потом я подумал про log и понял, что больше не готов столько времени терять. Использование своих образов позволит как снять ненужную нагрузку с организаторов, так и повысить зрелость решений, а также даст больше шансов новичкам, которые вместо своих наработок смогут взять компоненты не сильно хуже тех, что написаны под себя ветеранами

Я подумал, что это проще, чем реализовать Pointer Net, как в AlphaStar. U-Net позволяет для каждой точки карты вернуть действие для юнита, который находится в этой точке. То есть сеть сразу возвращает действия для всех юнитов, независимо от того, сколько их у тебя

А как ты учитывал кол-во оставшихся ресурсов или здоровье и т.д?

U-net на вход принимает карту из  N-слоев: 80x80xN.  Несколько слоев задают  тип юнита, другой слой - здоровье, третий слой - чей юнит и т.д кодируется вся информация

А, понял

Это все на питоне? Как долго сеть обучалась?