知识卡片：FootsiesGym：一个用于双人零和不完全信息格斗游戏的基准环境

一句话结论

FootsiesGym 是一个开源环境，将极简格斗游戏 Footsies 改造为适合强化学习研究的双人零和不完全信息博弈基准，并提供了向量化模拟器以支持高效训练。

事件概述或研究问题

论文提出了一个用于双人零和不完全信息博弈的基准环境 FootsiesGym。该环境基于 HiFight 开发的极简 2D 格斗游戏 Footsies，旨在隔离格斗游戏中“中立博弈”阶段循环、非传递的战略交互，同时保持足够简单以便高效分析。研究问题包括如何设计一个可复现、高吞吐量的训练平台，并评估现有强化学习算法在该环境下的表现。

方法/产品要点

• 基础游戏：基于 HiFight 的极简 2D 格斗游戏 Footsies。
• 环境特性：双人、零和、不完全信息；聚焦于格斗游戏中立博弈中循环且非传递的战略互动。
• 向量化模拟器：支持在标准硬件上进行高吞吐量训练，易于获取和复现。
• 开源代码：托管于 GitHub（https://github.com/como-research/FootsiesGym）。

主要结果或产业意义

论文描述了环境设计，并对多种强化学习算法进行了基准测试（具体算法名称和性能数据待核实）。该环境为研究人员提供了一个非平凡但可控的博弈测试平台，有望推动不完全信息博弈、循环战略交互等方向的研究。

为什么重要

• 填补了从简单矩阵博弈到复杂全游戏之间研究工具的空白。
• 环境轻量、高效，降低了研究门槛。
• 开源可复现，有助于对比和验证强化学习算法在结构化博弈中的表现。

局限与不确定性

• 论文摘要未提及所测试算法的具体性能对比，基准测试结果细节待核实。
• 是否完全覆盖现实格斗游戏的全部复杂性（如多角色、连续动作空间）存在不确定性。
• 长期研究方向和实际应用价值尚待进一步验证。

可用于图书/PPT/简报的角度

• “格斗游戏中的人工智能：从FootsiesGym看不完全信息博弈”。
• “强化学习基准环境的轻量化设计：以向量化模拟器为例”。
• “如何用极简游戏推动复杂博弈策略研究”。

英文标题

FootsiesGym: A Fighting Game Benchmark for Two-Player Zero-Sum Imperfect-Information Games

英文关键词

FootsiesGym, fighting game, benchmark, zero-sum, imperfect-information, reinforcement learning

原始材料

• arXiv 页面：https://arxiv.org/abs/2607.06514v1
• 代码仓库：https://github.com/como-research/FootsiesGym