「冰上国际象棋」终于被 AI 盯上了：强化学习自学冰壶战术

Curling 常被叫做「Chess on Ice」，冰上国际象棋。但这么多年，AI 把国际象棋、围棋、星际争霸都扫了一遍，冰壶这块几乎没人认真碰过。

上周 arXiv 挂出来一篇论文，总算有人动手了。苏黎世联邦理工和帕多瓦大学的团队用 DDPG 算法训练了一个冰壶战术决策智能体。在简化四壶规则下，纯自监督学习，没有用任何人类标注数据，打平了手调专家策略。

这事比看起来要难不少。冰壶战术决策有几个特点是 RL 最不喜欢的。状态和动作空间都是连续的，每次投掷结果有随机性——选手不是机器，出手有波动。石头轨迹对微小扰动极其敏感，偏一度落位就差一大截。之前 ML 圈对冰壶的尝试基本停在统计建模，没人真拿强化学习去啃。

这套框架利用冰壶有限回合（finite-horizon）的结构来改造 DDPG 训练。Actor 学策略，Critic 学估值。训练完后，真正有意思的不是策略本身——Critic 网络能对任意连续动作输出一个密集的估值信号。拿它当战术分析工具，可能比拿它当选手用更实用。

论文实验缩在四壶简化版本里，和手调启发式策略打平。作者还专门算了「hammer advantage」（冰壶后手优势的量化值）来校准这个平局，说明他们对「打平」这个结果是认真校准过的。

从四壶到标准八壶、到真实冰面，距离肯定有。但这篇工作真正有价值的地方，是证明了冰壶这类连续、随机、高敏感度的战术决策问题，可以用 RL 在完全无监督的条件下学会。这个信号对做决策智能的人来说，比又刷一个 Atari 基准要解渴。

毕竟不是所有问题都能被 LLM 吞掉——虽然现在也能起个标题叫「冰壶大模型」。有些真实决策问题，状态连续、结果不确定、极度依赖细微扰动理解，反而更适合 RL 这种框架去试。

论文是 arXiv 预印本，2026 年 8 月 3 日提交，CC BY-NC-ND 4.0 许可。代码暂未看到公开链接，后续可以留意。

相关链接：
- 论文 arXiv 页面：https://arxiv.org/abs/2608.02379
- PDF 下载：https://arxiv.org/pdf/2608.02379