AlphaZero adaptiert für Tablut: Erfolgreiche Selbstspiel-Strategie

Ein neues arXiv‑Paper (2604.05476v1) zeigt, wie der AlphaZero‑Algorithmus erfolgreich auf das asymmetrische Brettspiel Tablut übertragen werden kann. Tablut, ein historisches Spiel mit ungleichen Stückzahlen und gegensätzlichen Zielen – der Angreifer versucht, den König zu fangen, während der Verteidiger ihn zum Ausgang führt – stellt besondere Anforderungen an Lernalgorithmen.

Die Autoren haben die klassische AlphaZero‑Architektur modifiziert, indem sie für jede Spielerrolle eigene Policy‑ und Value‑Köpfe einführten, während ein gemeinsamer Residual‑Trunk die Grundspielmerkmale erlernt. Diese Trennung verhindert, dass das Netzwerk zwei widersprüchliche Bewertungsfunktionen gleichzeitig lernen muss, was bei asymmetrischen Setups die Lerneffizienz stark beeinträchtigen kann.

Während des Trainings traten Instabilitäten auf, insbesondere „catastrophic forgetting“ zwischen Angreifer- und Verteidigerrollen. Durch gezielte Maßnahmen – C4‑Datenaugmentation, Vergrößerung des Replay‑Buffers und das Einführen von 25 % der Trainingsspiele gegen zufällig ausgewählte frühere Checkpoints – konnten diese Probleme gemildert werden. Nach 100 Selbstspiel‑Iterationen erreichte das angepasste Modell eine BayesElo‑Bewertung von 1235 gegenüber einem zufällig initialisierten Baseline. Gleichzeitig sank die Policy‑Entropie und die durchschnittliche Stückzahl auf dem Brett, was auf fokussiertere und entschlossenere Spielzüge hinweist.

Die Ergebnisse belegen, dass AlphaZeros Selbstspiel‑Framework auch in stark asymmetrischen Spielen funktioniert, solange separate Policy‑ und Value‑Köpfe sowie robuste Stabilisierungstechniken eingesetzt werden. Dieses Vorgehen eröffnet neue Perspektiven für die Anwendung von Deep‑Reinforcement‑Learning in komplexen, ungleichen Spielumgebungen.