Player-1：用合成经验训练游戏控制智能体

论文提出 Player-1 后训练框架，通过合成经验让计算机使用智能体学习游戏控制，扩展了相对指针移动、持续输入和复合动作等动作空间。作者用 6,044 条游戏轨迹做监督初始化，并构建含 16 个 2D 与 3D 环境的 Player-1-Gym，配合可程序化验证的奖励和随机化观测做 PPO 多环境强化学习。