Das ViZDoom-Projekt schrieb 2016 die Visual Doom AI Competition aus. Gesucht wurden Controller, die Doom ausschließlich anhand des Bildschirminhalts spielen. Der Wettbewerb verlagert damit eine typische Spieleentwicklungsaufgabe, die Entwicklung von Bots, in eine Umgebung für maschinelles Lernen.
Die Teilnehmer konnten ihre Controller in C++, Python oder Java einreichen. Die bereitgestellte Software lieferte zur Laufzeit den Screen Buffer. Interne Informationen über Karten, Gegenstände oder Positionen von Figuren waren nicht als Eingabe vorgesehen. Als methodische Richtung nannte die Ausschreibung unter anderem Reinforcement Deep Learning, ließ aber auch andere Verfahren zu.
Zwei Deathmatch-Szenarien
Der erste Wettbewerbspfad beschränkte das Deathmatch auf eine bekannte Karte. Die Bots starteten mit einem Raketenwerfer und konnten Medikits sowie Munition aufnehmen. Im zweiten Pfad waren die Karten der finalen Wertung unbekannt. Für das Training standen zwei Karten bereit, die Auswertung erfolgte auf drei weiteren Karten.
Jede Runde lief zehn Minuten auf einer Karte. Der erste Pfad wurde zwölfmal wiederholt, der zweite viermal über drei Karten hinweg. Die Rangliste richtete sich nach der Zahl der erzielten Frags. Die Ausschreibung verband damit reproduzierbare Tests mit einer Aufgabe, deren Wahrnehmung auf rohe Bilddaten begrenzt war.
Spiele als Testumgebung für KI
ViZDoom begründete die Wahl von Doom mit der langen Tradition von Ego-Shootern und dem Unterschied zwischen menschlicher Wahrnehmung und klassischen Bots. Menschen orientieren sich am sichtbaren Bild, während Bots in vielen Spielen auf interne Spieldaten zugreifen. Die Forschungsplattform knüpfte damit an technische Arbeiten wie den älteren GDC-Beitrag zu GRID-Spielen an, setzte den Schwerpunkt aber auf Training und Bewertung autonomer Spielagenten.