Конвейер дистилляции сверхлегковесных ИИ-агентов для мобильных MOBA-игр с использованием принципа Парето

Последние достижения в области игрового искусственного интеллекта продемонстрировали возможность обучения агентов, превосходящих ведущих профессиональных игроков в сложных средах, таких как Honor of Kings (HoK) — одной из ведущих мобильных многопользовательских сетевых игр жанра MOBA (многопользовательская онлайн-боевая арена). Однако развертывание таких мощных агентов на мобильных устройствах остается серьезной проблемой. С одной стороны, сложное мультимодальное представление состояния и иерархическое пространство действий в HoK требуют больших и сложных сетей политики, которые по своей природе трудно сжать до легковесного вида. С другой стороны, промышленная эксплуатация требует высокочастотного вывода при строгих ограничениях по энергопотреблению и задержке на мобильных платформах. Насколько нам известно, взаимосвязь между крупномасштабным игровым ИИ и практическим развертыванием на устройстве систематически не исследовалась. В данной работе мы предлагаем конвейер, управляемый принципом оптимальности Парето, и проектируем пространство поиска высокоэффективных архитектур моделей-учеников, адаптированное для выполнения на мобильных устройствах, что обеспечивает систематическое исследование компромисса между производительностью и эффективностью. Экспериментальные результаты показывают, что дистиллированная модель обеспечивает впечатляющую эффективность: скорость вывода увеличивается в 12,4 раза (менее 0,5 мс на кадр), а энергоэффективность — в 15,6 раза (менее 0,5 мА·ч на игру), при этом сохраняется вероятность победы 40,32% по сравнению с исходной моделью-учителем. Полная версия статьи, включая приложение, доступна на arXiv: https://arxiv.org/abs/2602.07521