通过程序化策略搜索合成连续游戏中的反应式角色行为

该论文提出一种为连续游戏合成反应式角色行为的方法，将策略表达为紧凑、人类可读的程序。研究设计了面向连续空间游戏策略的领域特定语言，包含方向最大化等高阶构造，并引入大量合成反模式以剔除冗余程序形式。方法结合自底向上的符号枚举与编码代理的自上而下引导，称为 agentic sketching，在 14 个连续游戏基准上评估。

游戏 AI 实践长期依赖手工编写的行为树、状态机和脚本，而学术强化学习多产出难以编辑、训练昂贵的黑盒神经控制器。该工作尝试直接搜索可读程序，若成立，则游戏行为创作可从手写逻辑转向由奖励函数驱动的可编辑行为发现。

该语言围绕反应式几何决策设计，用方向最大化等高阶构造把连续行为空间离散为可枚举的程序结构。合成反模式在保留行为覆盖的前提下减少冗余程序形式，降低搜索空间。agentic sketching 让编码代理提出高层策略结构，再调用枚举器补全局部程序槽位，从而把符号搜索与代理引导结合。

对游戏研发而言，设计师只需指定奖励函数，系统即可产出可编辑、可移植的行为程序，减少手工编写行为树和状态机的工作量，也避免为每个角色训练神经控制器的高成本。产物为人类可读程序，便于策划直接修改和调试，可能改变游戏 AI 行为的产出与迭代流程。

• 为游戏引擎或内部工具链构建奖励函数到可编辑行为程序的合成插件，供策划直接调参并导出脚本。
• 将合成反模式库产品化为策略搜索加速组件，降低连续空间行为枚举的算力开销。
• 提供 agentic sketching 式工作流：策划定义高层策略骨架，枚举器自动补全局部槽位，形成半自动行为创作管线。

• 该方法的 14 个基准游戏之外，在商业游戏复杂度与规模下是否仍保持效率和行为质量，证据未说明。
• 生成的行为程序在运行时性能、可移植性和与现有行为树系统的集成成本尚不明确。
• 编码代理在 agentic sketching 中的调用成本与稳定性如何，是否依赖特定模型，证据未给出。
• 纯枚举与代理引导结合在大规模行为空间下的扩展性边界未被验证。