摘要

此前的 2v2 行为克隆（让神经网络模仿规则 AI 的选择）在“移动”类动作上 478 次全错。一个可能的原因是：一次决策里有几十个移动候选，而模型拿到的动作描述里几乎没有“走到这一格会怎样”的信息。

本实验只做一件事：写一个编码器，把每个合法动作描述成一行数字（特征向量），补上动作与局面的关系信息；再写一个从已保存对局生成训练数据的工具。没有训练，也没有对战——训练要等规则 AI 的验证有结论后另立协议。

要回答的问题

能否只用公开观察和合法菜单，把每个动作编码成可区分、确定、没有隐藏信息的特征？

方法

在已有公开特征的每个动作行后追加四组信息：

  1. 公开路线风险：路线长度、已知停点、守望（敌人在路线上可触发的攻击）数、进入地形数、预计路线伤害；
  2. 公开攻击序列（仅攻击动作）：预计对敌、对己的生命损失占比；
  3. 落点几何：落点到最近敌人的距离及变化、相邻敌友数、下回合可能够到该格的敌方兵组数（按公开速度与六角格距离近似，不计障碍）；
  4. 生物静态特征：行动者与目标的基础数值、是否远程/飞行、反击上限、技能数等，取自公开兵种目录。

未知值有单独的“已知”标记位，不当作 0；不输入任何规则 AI 的评分。

数据生成器从已保存对局逐步重放（每步事件字节必须一致），在指定一方每个决策前投影公开观察与菜单并编码；标签取对局记录里策略写下的动作，没有记录就逐个还原菜单动作比对。

结果

  • 一个开局局面（红方第一个行动单位）：状态 1282 维，每个动作 351 维；菜单 376 个合法动作（244 地块法术、82 移动、45 单位法术、3 攻击、等待、跳过），82 个移动行全部不同；编码一次 0.115 秒。
  • 编码器 6 项测试 + 数据生成器 4 项测试，共 10 项通过（16.60 秒）：维度一致、移动落点可区分、输入深拷贝后结果相同、未知生物全 0 加缺失位、只取指定一方、日志分歧时报错。
  • 冒烟：一局 2.9 秒、26 个决策、2569 行，两个输出文件共约 170KB；按此估算 1200 局单核约 1 小时、约 200MB。这只是工具检查，不是实验数据。

失败与负结果

第一次测试 6 项全部失败：生物表缓存用的键是不可哈希的目录对象；改为按目录内容哈希缓存后通过。

局限

下回合可达只按速度和距离，不计障碍与行动顺序；攻击序列是公开平均伤害场景；生物静态值不含英雄加成。特征是否真能改善移动学习，还没有任何证据。

结论与下一步

编码器与数据生成器可用。训练（模仿冻结的规则 AI，按来源隔离训练/开发集，报告移动类内 Top-1/Top-3）需另立协议后才开始。