2022年6月27日，腾讯游戏宣布以人工智能技术辅助中科院高能所粒子天体物理重点实验室“全变源追踪猎人星座”项目。此次合作有望将我国空天文观测技术推向一个新的高度，为后续的时域天文学观测做出重要贡献。
CATCH项目是由粒子天体物理重点实验室提出的由数百颗微小卫星组成的智能X射线天文星座。计划在2030年左右全面部署，其核心科学目标是“描绘极端宇宙的多维动态全景”。与腾讯游戏粒子天体物理重点实验室合作，致力于推动多智能体强化学习算法在CATCH星座合作观测中的应用。届时，CATCH计划利用腾讯游戏行业领先的AI技术，实现星座在轨自主协同观测。
腾讯游戏CROS AI RD团队在游戏中培养的AI智能体已经达到顶级玩家的水平；团队还创新性地引入了人机协作、人机对抗等应用，丰富了玩家的体验，提高了协作效率。随着AI技术的不断发展，人机协作在过去的探索中取得了良好的应用效果，“理解-交流-协作”的方式也帮助系统更高效地实现了既定目标。
CATCH星座配合AI技术观测目标天体的假想图。
就像腾讯游戏CROS AI RD团队研发的AI智能体一样，它的智能和敏捷源于从数亿个“人机模式”的游戏中学习和沉淀的经验。CATCH项目中使用的多智能体协作算法也是在“深度学习”过去的天文观测数据。目前腾讯游戏中的算法工程师已经初步搭建了一个基于我国天文卫星数据的爆炸源模拟器，用于训练属于Tai 空观测环境的AI算法。当CATCH星座在Tai 空运行时，将使用上述算法实时分析Deep 空中的数千个突发源数据，调度卫星执行目标选择、指向调整、编队组合等观测指令。，对观察到的目标进行全天时监控。后期会根据观察结果不断优化算法。
如何操作数百颗卫星更高效地观测宇宙中的爆源和变源天体？早在渔获量概念提出的时候，科学家们就意识到了这个挑战。按照传统经验，单颗卫星的天文观测往往需要专门的团队来跑；对于体积高达100颗卫星的CATCH星座来说，这似乎是一个不可能完成的任务。因此，腾讯游戏CROS AI RD团队与空和天文专家进行了充分的讨论，提出了更为理想的解决方案:利用游戏AI最新的训练技术——多智能体强化学习方法，控制卫星相互配合，完成各类观测任务，优化观测计划。
具体来说，团队配备了高并发的分布式环境进行模型训练，可以支持接入数万个模拟环境进行同时训练，也可以使用训练样本进行分布式训练；同时，结合团队研发的最新模型压缩和部署优化方案，可以有效平衡空之间的信号感知、控制精度要求和卫星计算能力限制，高效完成多颗卫星的协同观测任务。该方案既满足了科研目的的精度要求，又满足了Tai 空环境下实时调度的计算能力要求，还可以支持大规模计算能力的基本系统架构要求。
腾讯游戏的AI多智能体算法已经在《英雄联盟》、《火影忍者》等多个网络战术竞技游戏中使用。具体来说，游戏AI通过多智能体深度学习和强化学习训练，可以匹配大部分玩家的水平。在“去中心化”的多智能体算法调度下，游戏AI不仅能与玩家合作，还能让玩家体验不同风格的战术。另外，在游戏AI的训练中，提高输出强度并不是单一的训练目标，而是需要平衡一系列的量化指标:从战斗能力、防御能力，到与队友的配合程度等等。、多维度量化分析最优游戏策略，并通过不断优化训练参数，提高游戏AI的综合性能。
“腾讯的RD工作人员很快了解了我们的研究重点，并对我们的研究方向表现出了极大的兴趣。”CATCH计划负责人、青年科学家陶炼这样评价与腾讯游戏的合作。“如果能将游戏技术中有价值的部分提取出来，正确应用到各行各业，对国家和科技发展都是好事。”
目前，游戏技术的力量正在“溢出”到现实世界，游戏的形式和边界也在不断升级和突破。在“超级数字场景”认知升级一年后，腾讯游戏也有意识地将游戏技术应用于工业、文化、科研等诸多实际领域，不断挖掘游戏技术的多重价值。
腾讯游戏CROS RD效率部的AI RD团队涵盖了游戏AI RD、智能NPC制作、美术自动化、物理仿真、动作捕捉等游戏RD相关前沿技术领域。团队已支持腾讯旗下多款游戏产品，如英雄联盟、火影忍者、QQ飞车等。其中，基于多智能体深度强化学习技术的智能机器人和智能NPC已经形成了成熟的AI生产平台，可以大幅提高RD效率，优化用户体验。团队继续在前沿学术研究领域进行研究，相关研究论文已在NeurIPS、CVPR、AAAI、SIGGRAPH等学术会议上发表。
