论文介绍
游戏机器人被编程为自动玩游戏并非法获取利润，严重影响诚实玩家的游戏体验，破坏游戏生态系统的平衡。 因此，我们迫切需要解决机器人检测问题，特别是对于MMORPG，这是一种发展最快的游戏类型。已经有一些关于bot检测的研究，但他们使用的功能取决于特定的游戏，不能推广到其他MMORPG。
在本文中，我们提出了一种基于轨迹预训练的游戏机器人检测模型，即T-Detector，该模型根据玩家的游戏角色轨迹和鼠标移动轨迹将其识别为人类或机器人。更具体地说，我们提出了一种LocationTime2Vec的预训练方法，从大量的未标记样本中学习轨迹的表示，该方法深深地嵌入了隐藏在轨迹中的空间和时间信息。
此外，我们还根据人类玩家和机器人在运动轨迹上的行为差异提取了通用特征。 我们设计了角度预训练来提取转弯角度的特征，并提出了注意池模块来提取移动速度和距离的特征。这些功能不依赖于任何特定的游戏，使得T-Detector可以推广到许多MMORPG中。
通过两个大型真实世界数据集(143938个样本，来自两个MMORPG)的评估，T-Detector在机器人检测方面实现了最先进的性能，并展示了强大的泛化能力。
论文地址
https://ojs.aaai.org/index.php/AAAI/article/view/20358
论文下载
https://www.aaai.org/AAAI22Papers/AAAI-3295.ZhaoC.pdf
