腾讯AI足球队荣获世界冠军，绝悟WeKick版本在11v11足球AI竞赛中表现卓越

好消息！

腾讯AI足球队夺得世界冠军。

这是谷歌研究院与英超曼城俱乐部在Kaggle平台上联合举办的11v11足球人工智能竞赛。

由于既具有挑战性又有趣，一经推出就吸引了国内外团队的热情参与。截至12月中旬，已吸引来自世界各地的1100余支团队参赛，其中不乏来自世界顶尖大学和研究机构的实力雄厚的科研团队。。

最终——腾讯AI实验室绝物WeKick版（以下简称“绝物”）以1785.8的成绩获得冠军，与其他队伍相比优势非常明显。

恭喜“绝物”团队取得优异成绩！

等等，《绝无》……这不是王者荣耀里的AI吗？

是的。他也擅长足球。

我们看到的足球比赛是这样的：

在AI眼中，它是这样的：

（AI的世界就是这么平淡无趣）

比赛中使用的Google Research Football环境是基于开源足球游戏Gameplay Football开发的强化学习环境。

外观很简单，但就像一场普通的足球比赛一样。有短传、长传、直塞球、射门和铲球。

（实际上，为了节省计算资源，大多数比赛都不是3D渲染的。）

比赛绝对公平、公正。

游戏场景是完全对称的。双方都有相同的球员。主客场比赛或状态之间没有数值差异。不设替补，不设加时赛，进球多者为胜（否则为平局）。

规则也与普通足球比赛类似——比赛分为两半场（每半场45分钟，1500步，每队开球一次），目标是将球踢入对方球门。

好了，游戏开始：

对手一开始就势头强劲。 10号将球传给插在中间的5号。他将球抽射入网。

《绝乌》0:1先丢一分。

可以看出，游戏中的每个玩家都由一个单独的智能代理控制。参赛队伍需要实时选择并控制其中一个智能体，与其他内置智能体进行配合。

因此，每个玩家不仅需要观察对手的行为，还需要关注自己玩家的情况。这需要非常复杂的团队合作和竞争策略。

由于法庭动态瞬息万变，还需要高速、实时的决策能力。

（哎呀，在这个解释过程中，绝乌又丢了一个球）

“绝无”以0:2落后两分。

但这并不重要。好在决武有着极为丰富的团战经验。

我们七、八、九队互相配合，率先扳回一分。

紧接着，我们五号乘胜追击。接到9号的精彩传球后，射门底角。

甚至！《绝物》2：2。

赛点来了！我们的10号直接把球推到了中路，8号跑了回来，打进了致胜一球。

最终，“绝悟”以3：2获胜！

踢球的“绝物”和打王的“绝物”是一回事吗？

答：是的！

和大多数参赛队伍一样，“绝物”主要使用强化学习和自对弈（Self-Play）从头开始训练模型。

其训练的基础架构是基于《绝物》完整架构进行迁移的。详情请参阅

在此基础上，腾讯AI Lab对足球任务框架进行了针对性改进，使其能够适应11智能体足球比赛训练环境。

...（这次省略20218888字）

这也证明了腾讯AI Lab开发的“绝物”底层架构和方法的通用性。可以预见，此类方法未来有望进一步迁移到机器人等更多领域，从而创造更大的实用价值。

从围棋AI“决一”到战略决策AI“决武”，再到如今的AI足球队决武WeKick版本，腾讯AI Lab的深度强化学习智能体一步步进化，逐渐变得更加复杂多样的问题迁移，每一次进步都让我们离通用人工智能的终极目标又近了一步。