标签： reinforcement-learning
我正在尝试通过强化学习使计算机学习一个非常简单的2D射击游戏。具体来说-使用DQN。首先，我希望我的经纪人杀死一名留在原地的球员。我给他每个时间步长的奖励为-1。但是，我真的不知道如何设计状态表示。
游戏： 5 x 5平方。 2名玩家各占一平方。 1英寸（0，0）和2英寸（4，4）。他们都可以直线射击。当玩家射击时，子弹会朝着玩家移动时设定的方向移动（开始时，玩家1设置为右，而玩家2设置为左）。
原始像素不好，因为探员看不到子弹的前进方向。
任何建议将不胜感激。
Image of the game
