PERSLIS DEFENSE · 演示 · VDSG · 受指挥的运行时
VDSG。给它下命令，看它照令行事。
在信任一个放在你班组身边的系统之前，你要看到三件事：它照命令做；做不到时它会告诉你；你禁止的事它绝不做。这是 VDSG 在 id Software 的 《DOOM》（1993，共享版 IWAD）与 《德军总部 3D》（1992）中同时做到这三件事的录制。在 E1M1（Hurt Me Plenty 难度）上，它 52 秒到达出口开关。说一声别开火，扳机就没了——无论学多少，都不会把它学回来。
它的工作方式：游戏引擎的状态变成一份态势报告。规则从当下允许它做的动作清单里选出一个目标。一份“哪里出过错”的记忆给剩下的动作排序。执行器按下按键。回路里没有任何神经网络。VDSG 是军用 Peel，即失败优先模型：它从自己的失败中学习，却无法靠学习越过自己的限制。页面上的每一个决定，都可以从旁边的态势报告中解释出来。
操作员用平常话下命令——别开火、只用霰弹枪、原地待命——而一条命令只能收窄驾驶员可做的事。它从不发明动作。它既约束规则，也约束学习。当态势无法满足命令时，每一次决策都会给出理由拒绝，直到可以满足为止。
你看到的是一次录制的运行，由回路当时发布的快照逐面板回放；实时控制台在操作员自己的机器上运行（自己运行）。这里没有任何东西是手工做的动画。
控制台
从上面的画面按颜色读出的 V-Card。眼睛在游戏进行中由引擎教导——地图说那个方位有一扇门，深度说它多远——然后自己给画面贴标签、测距离。agree 是它与地图一致的频率；卡片上的时间，是按里程计实测的步速走到那里所需的时间。
规则在此处可以追求的每一个目标。指令会从这个集合里移除目标；证据记忆只在剩下的范围内排序，所以学习永远不可能采取被禁止的动作。
等待录制…
这是全部输入，由引擎状态构成。唯一读取像素的是眼睛，而它的卡片只是第二证人，从来不是地图。
- 尚未有规则被拓宽——一条规则需要足够多的有害遭遇，才能明显高于基础率
● VDSG ViZDoom 运行 DOOM1.WAD v1.8 · 打了探针的 ECWolf 运行 WL6 数据 · 研究赛道，未经任何鉴定
你在看什么
引擎状态 → 态势报告 → 规则（从可容许集合中选一个目标） → 指令 → 证据 → 执行器
▲ │
└──────── 目标、理由、回执、画面 ────────────────┘
七个目标——HEAL · DODGE · RETREAT · ATTACK · SEARCH · RESUPPLY · EXPLORE——按固定优先级排列。每一个只在它的对象真的在场时才被允许：看不见的东西不能 ATTACK，没有医疗包不能 HEAL。规则是约 300 行普通 Python，没有权重，也没有隐藏状态；同一份报告每次给出同一个目标。“哪里出过错”的记忆就是第二章里的机制。它只在允许的动作之内排序，从不越界。
导航器在地图自身的几何上规划：一张占据栅格，带有门、升降台、单向台阶（Doom 能爬 24 单位、能从任何高度跳下）以及从游戏数据读出的带钥匙的门。出口开关来自地图自身的线特殊值，并与引擎的出生点核对过。页面上的每个决定都是一句话——去出口开关、在黄门前而没有黄钥匙、捡到了红钥匙。
给它下命令
命令只会收窄
别开火拿走扳机。只管闪避移除 DODGE 之外的所有目标。只用霰弹枪锁定武器。命令解析器是一张固定短语表加显式否定——不是模型——所以它不认识的话会被拒绝，从不瞎猜。一条命令可以拿走按键；它唯一会设定的，只有它点名的那把武器。
拒绝，并给出理由
没有携带霰弹枪时下达只用霰弹枪，上方的回执面板会在每一次决策中显示已拒绝——未携带霰弹枪，并在捡起一把的那一刻生效。命令同样约束学习：学习只能在命令留下的范围内排序，所以它不可能采取你禁止的动作。代码中有五处强制执行，每处各有一条回归测试。
在 DOOM 录制中，操作员下达了六条命令——别开火、恢复原状、只用霰弹枪、原地待命——页面按当时的情形显示每一条被接受、被拒绝或被撤回。在控制台里按下其中一条，就能跳到那一刻。
它怎么看，看得多准
能给画面贴标签并判断距离的最小视觉系统。画面缩到 64×40，九位色彩偏向暗端（每通道两位会把真实 DOOM 80% 的像素塞进同一个桶）。每个类别一张颜色直方图——天花板、地板、墙、门、敌人、拾取物——每一列像素归于最能解释它的那个类别。事先不做任何训练：它是在游戏进行中由引擎教出来的。在 Doom 上，标签缓冲区说出精灵的名字，栅格说出门在哪里，深度缓冲区说出有多远；在德军总部上，每列一条射线穿过瓦片地图做同样的事。然后它自己给画面贴标签，页面显示直方图在填满、它与教师的一致率，以及测距误差。
距离按游戏的画法来算：屏幕高度 × 距离是一个常数，所以 距离 = k / 高度。在 120 秒的运行中实测：DOOM E1M1 一致率 78–92%；德军总部 MAP01 79%，k = 33，理论值 32，测距误差 ±7%。眼睛自己在 Doom 上测距的误差达 ±25–65%——暗色调色板让远处的地板和墙颜色相同——所以凡是引擎有深度缓冲区的地方，驾驶员先信它，眼睛的估计显示在旁边（眼睛估计 3.8 米）。深度缓冲区的尺度是实测而非假设：与垂直距离呈线性，墙每级 7.64 单位，精灵每级 7.35，基于 1,336 + 367 个可信样本，残差小于一个单位。
多远，多快
里程计
它从每条命令产生的结果中测出自己实际移动与转向有多快——取干净的全速前进样本的第 80 百分位，所以撞墙不会把数字拉低。DOOM：每次决策 47 单位，12.8 米/秒，两秒内完成校准；德军总部：0.7 格。于是每张卡片都带上了时间：门 · 灰 · 右 12° · 4.2 米 · 0.4 秒可达。
卡死规则，实测校准
一条核心规则约束每一个会移动的目标：没有向前移动 → 转向；同样的移动反复出现 → 卡死，脱出，绝不重新规划回同一个循环。没有移动以实测步速为准——不到命令本应走出距离的 30%。脱出时朝眼睛看见的最深开阔处转向（45–150°，按引擎的转向速率折算成决策数），再以实测步速走出该深度的一半。前方开阔却走不动，说明有眼睛看不见的东西挡着——一道台阶、一具尸体——于是像以前一样左右交替。
校准以它该有的方式抓到了一个 bug：德军总部赛道一直在用 DOOM 的单位跑卡死规则——每次决策五格——1,014 次决策中 150 次卡死，每八次一次。换成格之后：9 次。
实测
| 项目 | 实测 | 出处 |
|---|---|---|
| 随机 / 规则 / 规则 + 记忆 | 32 个种子上回报 3.2 / 17.9 / 20.3 —— 持平而非胜出（配对 t = 0.78） | Freedoom 竞技场，第二章 |
| 击杀归因 | KILLCOUNT 是地图的计数器：被命令永不开火的驾驶员仍被记了 55 次击杀。造成的伤害才是诚实的数字。 | 缺陷 8，已公开 |
| E1M1（Hurt Me Plenty） | 通关：52 秒到达出口开关，4 次击杀 | 真实 DOOM1.WAD |
| E1M1（Nightmare） | 8 次尝试未通关，23–37 秒死亡 | 真实 DOOM1.WAD |
| E1M2（Hurt Me Plenty） | 10–20 秒拿到霰弹枪，持有红钥匙；167–207 秒死亡，17–18 次击杀。在有武器寻找之前，它曾从链枪 8.8 米、霰弹枪 16.7 米处走过，两者都从未进入视野，最后拿着手枪死去。 | 真实 DOOM1.WAD |
| 眼睛 | 一致率 78–92%（Doom）、79%（Wolf）；测距 ±7%（Wolf）、±25–65%（Doom，自行测距） | 120 秒运行 |
| 里程计 | 每次决策 47 单位 = 12.8 米/秒（Doom），0.7 格（Wolf） | 约 2 秒内校准 |
| 单位错误的卡死规则 | 每 1,014 次决策 150 → 9 次卡死 | 德军总部 MAP01 |
| 德军总部的门 | 1,275 次决策中 583 次耗在门前；每 0.7 秒重按一次 USE 会让 ECWolf 正在打开的门反向——现在只在门关着时按一次 | MAP01 |
每个数字都在录制上面这次运行的同一台机器上自行测得；负面结果一并列出。这里没有任何东西经过鉴定。
自己运行
实时控制台从本地引擎提供同一个页面，并接受你随时输入的命令。它需要游戏数据：DOOM1.WAD 由 1995 年的共享版安装程序重建，德军总部的 WL6 文件来自 1992 年的发行版；两者都在档案库中，都不随代码仓库分发。
python -m doom_floor.console --port 8099 --game doom-e1m1 --skill 5 # DOOM，Nightmare 难度，78 个关卡可切换 python -m wolf_floor.console --port 8098 --level MAP01 --skill 3 # 德军总部 3D，60 层
然后打开 http://127.0.0.1:8099：在导航器里选游戏、关卡和难度，按下连续通关让它每次到达出口后前进、每次死亡后重试，再输入一条命令。
这里证明不了什么
在本页测量的运行中，它能在 Hurt Me Plenty 难度通过 E1M1，在 Nightmare 难度不能，也不能通过 E1M2。它在 Doom 上的自行测距远差于德军总部，原因如上所述。回放是一段录制：显示的命令是在录制时下达的，页面不接受新的命令。眼睛只按颜色贴标签，并坦白这一点——面板上的一致率数字就是全部主张。而且游戏不是战场：里面的怪物不会思考。
第六章的开放问题在这里同样成立：当危险动作就是任务本身时，仅靠规避失败学不会完成任务。Doom 正是测量这一点的地方。