构建一款浏览器游戏，并训练智能体来玩
我用 Grok 构建了浏览器游戏 Roofline。任务：作者使用 Grok 构建了一款名为 Roofline 的浏览器游戏，随后训练了一个 PPO 智能体来游玩该实时页面。工作流程包括生成游戏代码，然后创建与游戏界面交互的智能体脚本。源文本未详细说明人类在训练循环或调试过程中的具体参与方式。；工具：Grok Bot。人工角色：原始帖子没有说明人如何参与。；局限：源文本未详述技术限制，例如用于 PPO 训练的具体环境或游戏 DOM/Canvas 交互的复杂性。不清楚智能体是否能泛化到其他游戏，或该分数是否可复现。未定义人类监督要求。。
工具
Agent Work Atlas 发布日期:
概述
我用 Grok 构建了浏览器游戏 Roofline。
工作流程
作者使用 Grok 构建了一款名为 Roofline 的浏览器游戏，随后训练了一个 PPO 智能体来游玩该实时页面。工作流程包括生成游戏代码，然后创建与游戏界面交互的智能体脚本。源文本未详细说明人类在训练循环或调试过程中的具体参与方式。
原文报告的结果
智能体取得了最佳记录成绩：得分 39,359，距离 4,924 米，连击 117。游戏托管于 httpx://roof.grok.me/。源文本未提供关于智能体稳定性、训练时间或失败率的进一步指标。
人工角色
原始帖子没有说明人如何参与。
局限
源文本未详述技术限制，例如用于 PPO 训练的具体环境或游戏 DOM/Canvas 交互的复杂性。不清楚智能体是否能泛化到其他游戏，或该分数是否可复现。未定义人类监督要求。
试一试
扮演游戏开发和 AI 智能体工程师。我想复现创建简单浏览器游戏并训练 PPO 智能体游玩的过程。 1. **游戏创建**：使用 Grok 生成一个简单的 HTML5/JavaScript 浏览器游戏（如跑酷或平台跳跃），具有清晰的评分指标（得分、距离、连击）。将代码保存到 [可替换：本地目录或 GitHub 仓库]。 2. **智能体设置**：编写一个 Python 脚本，使用强化学习库（如 Stable Baselines3）创建 PPO 智能体。智能体必须通过无头浏览器（如 Playwright 或 Selenium）或直接 API（如果可用）与游戏交互。 3. **训练循环**：实现一个训练循环，智能体在其中玩游戏，根据得分/距离获得奖励，并更新其策略。 4. **验证**：在运行长时间训练会话之前，执行 10 个回合的试运行，以确保智能体能正确读取游戏状态并发送输入。向我展示日志。 5. **人工检查**：在试运行后暂停，等待我的确认后再开始完整训练。 输入：游戏类型偏好 [可替换：例如“无尽跑酷”]，目标指标 [可替换：例如“最大化距离”]。 输出：游戏代码、智能体训练脚本以及试运行中取得的最高分报告。 约束：未经我明确批准，不要部署到公共 URL。确保智能体不会导致浏览器崩溃。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。