本文提出一种利用多模态学习和强化学习高效评估游戏音效设计的框架。音效对游戏体验和可及性至关重要，但传统的客观评估往往需要为每种音效重新训练智能体。我们首先预训练一个多模态编码器，将视觉和听觉信息映射到共享潜在空间。随后在该潜在表示上训练强化学习智能体。针对每种音效设计，仅对编码器进行微调，而保持策略网络不变，从而隔离音效变化对行为的影响。实验在多个类型的游戏上进行，比较仅使用声音输入的盲智能体在不同音效下的表现。结果表明该方法能够检测因音效退化或修改导致的性能差异，并显著降低相较于从头训练的计算成本，提供了实用且可扩展的音效评估手段。代码、数据及补充材料已开源：https://github.com/thainv0212/tog-reusing-agents。
点评