决策智能是国家新一代人工智能的重要发展方向，也是实现国家创新发展战略的重要基石。在决策智能的探索道路上，人机对抗已成为国际公认的重要途径之一。由中科院自动化所智能系统与工程研究中心发布的人机对抗智能门户网站（http://turingai.ia.ac.cn）致力于汇聚人机对抗平台环境，共享人机对抗技术成果，发布人机对抗领域最新消息，从而推动人机对抗智能技术生态建设与发展。临机应变能力是智能体发展的重要方向，要求智能体能够应对环境、对手、甚至自己的突发变化。近日，人机对抗智能门户网站上线了临机路障环境及临机路障基准AI。作为2021“庙算杯”人机对抗挑战赛中设定的临机要素之一，临机路障环境会随机调整路障的位置和数目以体现地形的重要性。本次上线临机路障环境设置路障位置变化范围为15格， 路障数目变化范围为7~17个。临机路障环境示例想定临机路障环境会对智能体地形认知以及路径规划等决策能力提出较大挑战。本次上线的临机路障基准AI基于人机对抗智能框架（《人机对抗智能技术-中国科学》）设计研发，以感知-推理-决策-控制为基本决策环，抽象地形态势语义，构建具有泛化能力的兵棋地形分析库，实现以地形认知表征状态空间，可为人类选手训练、AI研发提供高水平评估基准。临机路障环境和临机路障基准AI已经开放在人机对抗智能门户网的陆战兵棋对抗平台，欢迎选择对抗。临机路障基准AI开放对抗 汇聚人机对抗平台测评环境、共享人机对抗最新技术成果。走向通用人工智能前路漫漫，让我们共同努力，共同推动智能技术的变革与突破！

日前，由中科院自动化所主办，智能系统与工程研究中心承办的首届“庙算杯”人机对抗测试赛顺利举行，吸引了来自全国20家单位的32支智能体队伍进行激烈角逐。8月1日，本届“庙算杯”人机对抗测试赛总决赛在中科院自动化所拉开帷幕，邀请了国内11名兵棋推演精英选手作为“图灵测试员”，与四强AI混编为15个选手组成决赛组，开展两两匿名对抗。“图灵测试员”在每次对抗后提交“图灵问卷”猜测对手是否AI。赛事特别设置专家“观察团”全程观摩了决赛，参与AI与人类选手打法分析。经过三天、数百局激烈对抗，决出了图灵赛人机混合排名。其中，由中科院自动化所智能系统与工程研究中心研发的智能体AlphaWar仅落后第一名人类选手1分排位第二，且在区分人类选手和AI选手的图灵猜测中，被判断为人类的比率为32%，达到通过图灵测试标准。赛事精彩回顾决赛回放扫描下方二维码，或在bilibili搜索『中科院自动化所』，即可找到直播回放！决赛回放决赛四场对抗复盘【第一场第1局】Alphawar（红）对14号选手（蓝）比分：153 VS 213【复盘链接】【第一场第2局】14号选手（红）对Alphawar（蓝）比分：104 VS 182【复盘链接】【第二场第1局】Alphawar（红）对9号选手（蓝）比分：358 VS 78【复盘链接】【第二场第2局】9号选手（红）对Alphawar（蓝）比分：146 VS 290【复盘链接】

  目前在图灵网上公开5个往年比赛的复盘数据集，包括2018年第二届全国兵棋大赛业余群队级对抗、分队级对抗2020年11月砺智杯群队级人机对抗、分队级人机对抗2020年12月群队级机机对抗（临机想定）    数据介绍部分公布数据集具体信息，包括数据集来源、包含比赛场数、数据格式、想定等信息。2018年第二届全国兵棋大赛业余群队级对抗、分队级对抗复盘数据为回合制。2020年12月群队级机机对抗的临机想定为赛前不告知双方ai比赛想定。   用户可登录图灵网（http://turingai.ia.ac.cn/），在“技术共享”→“数据中心”→“陆战兵棋”中找到陆战兵棋比赛复盘数据集并申请下载。下载.rar格式文件解压缩得到复盘数据。

应广大AI开发者们提出的需求，环境新增“任意态势载入”和“环境复制”功能。“任意态势载入”功能给开发者提供了复现某个盘面的能力。该功能可使AI开发者以自己关注的盘面开始推演，在代码中打断点进行代码debug，更准确的掌握自己的AI在做某一时刻决策时的逻辑流。“环境复制”功能使开发者可以在推演过程中的任意时刻复制一份完全相同的当前环境，包括随机数生成器的内部状态。通过复制环境，开发者可以使用MCTS（蒙特卡洛搜索树）的相关技术去探索在某一时刻下，不同的动作选择可能带来的不同结果。为开发者调试时提供平行的决策过程，从而可以达到决策最优化。陆战兵棋AI开发包，训练引擎下载地址：访问：http://wargame.ia.ac.cn/aiinfo     点击“庙算·智胜 社区开发版（LINUX）”下方的“下载”按钮下载下载并解压缩后，使用解压后的新工程目录，或将解压后目录中的landwar/core文件夹拷贝覆盖当前所使用AI工程的相同文件夹环境复制功能使用“环境复制”功能以环境接口TrainEnv::duplicate的形式出现，开发者通过“TrainEnv”实例调用接口。环境复制功能主要用于训练AI，使用MCTS（蒙特卡洛树搜索）算法时需要对环境进行复制的需求。复制出来的环境实例将和主环境一模一样。如果两个环境输入同样的动作到推演结束，应当得到相同的推演结果（分数，盘面）。此功能可以在任何步数使用。接口说明TrainEnv::duplicate功能：复制一个一摸一样的环境参数说明：无返回值：TrainEnv环境实例使用示例（局部）# 略。。。 while not done:     actions = red1.step(state[RED])     actions += blue1.step(state[BLUE])     state, done = env1.step(actions)     if state[-1]['time']['cur_step'] == 200: # 当200步时，复制一份当前环境         env2 = env1.duplicate()     if state[-1]['time']['cur_step'] > 200:         state2, done = env2.step(actions) # env2得到和env1一样的动作 env1.save_replay(game_id) env2.save_replay(game_id+'_env2') env1.reset() env2.reset() # 略。。。任意态势载入环境功能使用此功能的作用是让环境可以载入任意态势并从此态势开始推演。开发AI时，可以复现复盘中的某一时刻，用来训练AI在特定条件下的决策。合法的载入态势格式为某个复盘文件中的某一帧的绿方态势。此功能有两个相关接口：TrainEnv::save_snapshot和TrainEnv::load_snapshot。两个接口可搭配使用。接口说明TrainEnv::save_snapshot功能：保存一个在当前步数的环境快照，快照可用于复现环境，从此快照开始推演。保存的快照是json文件格式参数说明:参数名数据类型说明filenamestring保存快照的地址和文件名返回值：无TrainEnv::load_snapshot功能：根据提供的快照，将一个环境实例还原成和快照一致的状态。参数说明：参数名数据类型说明sourcedictsource是某一时刻的完整态势里的绿方态势，或通过Train:save_snapshot保存下来的快照json文件中读取出来的字典返回值：无使用示例（局部）# save_snapshot while not done:     actions = red1.step(state[RED])     actions += blue1.step(state[BLUE])     state, done = env1.step(actions)     if state[-1]['time']['cur_step'] == 200:         env1.save_snapshot('output/snapshot.json')# load_snapshot env1 = TrainEnv() with open('output/snapshot.json', "r", encoding="utf-8") as file: source = json.load(file) env1.load_snapshot(source) while not done:     actions = red1.step(state[RED])     actions += blue1.step(state[BLUE])     state, done = env1.step(actions)

陆战兵棋推演平台更新引擎内核，增加“同格交战”规则。在该规则下，敌我双方算子在进入同一六角格中时，会自动触发“同格交战”规则：处于“同格交战”状态的算子，会自动向敌方算子进行高频率射击；且在该状态下的算子不再接受新指令的控制，直到退出同格交战状态为止；同格交战的射击也不受到如某些算子不能行进间射击的规则限制。同格交战详细规则如下：详细同格交战规则当同一六角格内存在双方地面算子时，触发同格交战规则，格内地面算子处于同格交战状态，自动按距离为0格进行直瞄射击裁决：坦克单位使用直瞄炮，战车（含无人战车）单位使用速射炮（亦称近射炮），人员单位使用步兵轻武器，裁决顺序按照先进入该六角格的算子先实施打击，其打击目标的选择按照“坦克”-“战车”-“其他车辆”-“人员”的优先顺序自动选择；当存在同类型多个目标时，优先选择班组数少的算子进行打击（同类目标班组数相同则随机选择）。自动同格交战直瞄射击裁决间隔为25秒，同格状态下射击裁决不受武器冷却时间、机动状态和压制状态的限制，但武器未展开的算子（行军中）、未下车的人员不得实施射击。当同格交战发生时，处于格外的算子不能对处于同格交战状态的算子进行直瞄射击；处于同格交战状态的算子依然会受到间瞄火力的打击。处于同格交战状态的算子不会接受和执行新的指令，正在执行的机动和行军动作仍将继续；此外，同格交战状态会中断“上下车”，“转隐蔽”，“武器展开和锁定”的转换过程，但不会影响算子已经进入的状态如：机动、行军、掩蔽、压制、堆叠等。同格交战状态的解除：当前无敌我双方算子处于同六角格。可能的情况包含：处于同格交战状态的一方算子机动离开同格交战所在六角格；或同格中的一方算子被全部歼灭。同步更新：步兵轻武器裁决同步更新步兵轻武器的射击裁决，增加步兵轻武器对车辆单位打击的能力。在使用步兵轻武器对车辆单位实施打击时，攻击等级见《步兵轻武器对车辆攻击等级表》，战斗结果见《直瞄武器对人员/步兵轻武器对车辆战斗结果表》，战果修正见《车辆战损结果修正》。        在同格交战中，当人员和车辆发生同格交战时，人员使用步兵轻武器进行打击。 《步兵轻武器对车辆攻击等级表》《直瞄武器对人员/步兵轻武器对车辆战斗结果表》《车辆战损结果修正》

Agent名称：紫冬智剑 简化开源版AI版   本：V1.0开发团队：紫冬智剑团队Agent特点：该智能体按照人机对抗关键技术将决策划分为对抗空间表示、态势评估推理、策略生成优化与行动协同控制这四大模块，用户可基于基准模块针对具体决策过程进行个性化的算法开发；AI开源了坦克、战车、步兵这三类算子的通用任务模型，用户可直接使用这些任务模型实现任意想定决策，用户还可进一步改进任务模型实现更优决策。想定支持：miniGame1  （想定ID：201033019601)miniGame2  （想定ID：201033029601）miniGame3  （想定ID：201033039601）欢迎访问“技术共享->AI开发中心”，获取开源AI代码。访问地址：http://turingai.ia.ac.cn/ai_center/show

Agent名称：AlphaWar简化开源版  MiniGame AI版本：V1.0开发团队：中国科学院自动化研究所 智能系统与工程研究中心Agent特点：该智能体基于深度强化学习训练，源码已经开源在人机对抗智能门户网AI开发中心。该AI为源码经过简单训练获得，欢迎广大用户申请下载，改进提高。想定支持：miniGame2  （想定ID：201033029601）欢迎访问“技术共享->AI开发中心”，获取开源AI代码。访问地址：http://turingai.ia.ac.cn/ai_center/show

  “庙算·智胜”战术兵棋即时策略人机对抗平台为更好地给全国各地兵棋爱好者提供练习平台，于群队级模块正式上线山岳丛林地形的群队级编队人人（3v3）对抗遭遇战斗想定。3人编组想定操作算子比原5人编组少，协作配合、战术战法难度低于5人编组，需要推演人员少，也便于爱好者组队在线对抗 想定装备：    红军蓝军装备分别以重型防护装甲装备编成战斗体系。 想定任务：   遭遇战斗想定：设想红方战斗群奉命对敌纵深实施迂回穿插，占领纵深有利地形进行要点守控部署。蓝方集结兵力拦截红方战斗群迂回穿插行动，改善总体态势。战斗中，双方均可能得到上级炮兵、陆军航空兵和无人机的支援。 山岳丛林地形群队（3人编组）想定地图：