Google大脑在GitHub上开源了足球人工智能研究专案Google Research Football，这是一个研究加强进修的情况，方针是让人工智能署理把握足球这项运动，能让署理人节制游戏中的足球运带动，进修互相传球，或是举行防守等足球技巧。

加强进修在人工智能研究范畴是热点的技能，已经被用于解决很多庞大问题上，像是呆板人或是主动驾驶等应用。而将加强进修用于游戏中，可以或许加快加强进修技能的成长，从较早期与人类对弈的AlphaGo，到更庞大的即时战略游戏并与人类对战，像是OpenAI在游戏Dota 2中开辟OpenAI Five，与人类玩家打得等分秋色，以及近期Deepmind开辟的人工智能AlphaStar。

游戏提供了宁静且可反复的试验情况，闪开发者快速的测试设法，而此刻Google释出的Research Football情况，则提供研究职员更有挑战性的情况，Google提到，足球游戏对于人工智能是更有挑战性的主题，由于足球需要在短期节制的能力、进修像是传球之类的观点，和更坚苦的战术之间取得均衡。

Google Research Football情况由三个首要部门构成，包罗了高度最佳化的游戏引擎称足球引擎（Football Engine），另有称为足球基准（Football Benchmarks）的一系列具挑战性的研究问题，以及足球学院（Football Academy）提供难度渐增的加强进修情境。Football Engine能按照两支球队的输入行动，模拟完备的足球角逐，像是进球、犯规或是角球等各类环境，其接纳最佳化的C++开辟而成，可在一般的电脑上运作，使用六焦点电脑运算，天天约可模拟球员移动2,500万步。

这个Football Engine能杰出地支撑加强进修训练，让署理人在差别的状况中举行进修，这些状况包括表达球员位置的语意等，而且为了让研究职员研究随机性对加强进修的影响，Football Engine预设启用随机模式，固然开辟者也可以自行选用确定性模式举行尝试。Football Engine开箱即用，并且支撑受遍及使用的OpenAI Gym API。

Google按照Football Engine的加强进修研究，提出了一系列基准问题，按照敌手的实力差别，分为三个版天职别是简朴、最终以及坚苦。Google提供了两种热点的算法DQN与IMPALA，闪开发职员作为参照，Google提到，简朴基准适合应用单一呆板的算法，而坚苦基准则是由漫衍式深度进修算法来处置惩罚。

足球学院提供各类难度的场景，让研究职员实现新的研究设法，以测试更高阶像是传球的观点，并从难度渐渐晋升的场景中进修，习得快速在球员间快速传球的技巧，或是还击等技巧，Google提到，在Google Research Football情况中，只要使用简朴的API，研究职员就可以或许让署理进修解决各类问题。

Google Research Football情况提供了一个深度进修研究的情况，Google提到，开辟职员可以把Football Benchmark以及Football Academy想像成互动情况中固定的一部门，待署理人得到足够训练后，就能插手动态另一方举行对战，顺应对方的动态动作以及战略，举行更有挑战性的研究。