EFFICIENT GAMEPLAY TRAINING FOR ARTIFICIAL INTELLIGENCE

Systems and methods are described for training a locally executed actor component to execute real-time gameplay actions in a gaming application based on one or more gameplay data models generated by a remote learning service. A gameplay data model for the gaming application is provided from one or more server computing systems executing the remote learning service to the client computing device. Observational data is generated by the local actor component based on in-game results of artificial gameplay actions performed by the local actor component, based at least in part on inferences generated by the actor component using the provided gameplay data model. Based on the received observational data, the remote learning service modifies the gameplay data model and provides the modified gameplay data model to the local actor component to improve future artificial gameplay actions. L'invention concerne des systèmes et des procédés pour entraîner un composant d'actionnement exécuté localement à exécuter des actions de jeu en temps réel dans une application de jeu sur la base d'un ou de plusieurs modèles de données de jeu générés par un service d'entraînement à distance. Un modèle de données de jeu pour l'application de jeu est fourni par un ou plusieurs systèmes informatiques serveurs exécutant le service d'entraînement à distance au dispositif informatique client. Des données d'observation sont générées par le composant d'actionnement local sur la base de résultats en cours de jeu d'actions de jeu artificielles effectuées par le composant d'actionnement local, sur la base, au moins en partie, des inférences générées par le composant d'actionnement à l'aide du modèle de données de jeu fourni. En fonction des données d'observation reçues, le service d'entraînement à distance modifie le modèle de données de jeu et fournit le modèle de données de jeu modifié au composant d'actionnement local pour améliorer les actions de jeu artificielles futures.