DDQN战术决策模型

短道速滑灵巧决策

面向短道速滑的深度强化学习模型，通过改进奖励函数和战术描述，在仿真环境中提升运动员的竞技表现与体能分配。

Yuanbo, Yang · Li, Feimo · 常红星

Sensors 2023

技术优势

摆脱教练依赖

模型可自动学习战术决策，无需人工反复观看视频分析，节省时间和精力。

战术更精细

对四种战术进行差异化描述，使模型能够区分不同战术的适用场景。

体能分配更合理

模型在仿真中学习如何在不同竞争状态下分配体能，提升整体竞技表现。

应用场景

• 运动智能决策：为运动员提供实时战术建议，替代基于经验的决策。
• 体育训练仿真：利用高保真模拟环境训练战术模型，降低实地训练成本。
• 强化学习应用：将DDQN应用于体育决策，拓展强化学习的落地场景。
• 智能体能分配：在仿真中优化体能分配策略，提升比赛后程表现。