論文の概要: Dynamic Epistemic Logic Games with Epistemic Temporal Goals

• arxiv url: http://arxiv.org/abs/2001.07141v1
• Date: Mon, 20 Jan 2020 15:27:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-08 05:50:40.489484
• Title: Dynamic Epistemic Logic Games with Epistemic Temporal Goals
• Title（参考訳）: 時空間目標を持つ動的時空間論理ゲーム
• Authors: Bastien Maubert, Aniello Murano, Sophie Pinchinat, Fran\c{c}ois Schwarzentruber and Silvia Stranieri
• Abstract要約: ダイナミック・エピステミック・ロジック(Dynamic Epistemic Logic, DEL)は、エージェントがどのように行動を認識するか、そしてそれらが世界に与える影響を詳細に記述できる論理的フレームワークである。 デルゲームは、プレイヤーに利用可能なアクションが正確に記述された不完全な情報を持つゲームのクラスを定義する方法として最近導入された。 このフレームワークは、例えばプレイヤーが公開アクションや公開発表しか使えないゲームのクラスを簡単に定義できるようにする。
• 参考スコア（独自算出の注目度）: 15.009194182281453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic Epistemic Logic (DEL) is a logical framework in which one can describe in great detail how actions are perceived by the agents, and how they affect the world. DEL games were recently introduced as a way to define classes of games with imperfect information where the actions available to the players are described very precisely. This framework makes it possible to define easily, for instance, classes of games where players can only use public actions or public announcements. These games have been studied for reachability objectives, where the aim is to reach a situation satisfying some epistemic property expressed in epistemic logic; several (un)decidability results have been established. In this work we show that the decidability results obtained for reachability objectives extend to a much more general class of winning conditions, namely those expressible in the epistemic temporal logic LTLK. To do so we establish that the infinite game structures generated by DEL public actions are regular, and we describe how to obtain finite representations on which we rely to solve them.
• Abstract（参考訳）: ダイナミック・エピステミック・ロジック(Dynamic Epistemic Logic, DEL)は、エージェントがどのように行動を認識するか、そしてそれらが世界に与える影響を詳細に記述できる論理的フレームワークである。 DELゲームは、プレイヤーに利用可能なアクションが正確に記述された不完全な情報を持つゲームのクラスを定義する方法として最近導入された。 このフレームワークは、例えばプレイヤーが公開アクションや公開発表しか使えないゲームのクラスを簡単に定義できるようにする。 これらのゲームは到達可能性の目的のために研究され、その目的は、エピステミック論理で表されるいくつかのエピステミック特性を満たす状況に到達することである。 本研究は, 到達性目標に対する決定可能性の結果が, より一般的な勝利条件のクラス, すなわち, てんかん時相論理LTLKで表現可能なものにまで拡張されることを示す。 そのために、DEL公開アクションによって生成される無限のゲーム構造が正規であることを確立し、それらを解決するために依存する有限表現を得る方法を説明する。

関連論文リスト

• TMGBench: A Systematic Game Benchmark for Evaluating Strategic Reasoning Abilities of LLMs [45.06415588947462]
  我々は,ゲームタイプの包括的カバレッジ,新しいシナリオ,柔軟な組織に関するベンチマークであるTMGBenchを提案する。 具体的には、古典ゲームとして構築された2x2ゲームのロビンソン・ゴーフォース位相によって要約された144種類のゲームタイプをすべて組み込む。 トピックガイダンスやヒューマンインスペクションを通じて、多種多様な高品質なシナリオを作成するために、合成データ生成も採用しています。
  論文  参考訳（メタデータ） (2024-10-14T13:15:34Z)
• LogicGame: Benchmarking Rule-Based Reasoning Abilities of Large Language Models [87.49676980090555]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な能力を示し、複雑な問題解決能力を示している。 LLMの包括的なルール理解、実行、計画能力を評価するために設計された新しいベンチマークであるLogicGameを紹介する。
  論文  参考訳（メタデータ） (2024-08-28T13:16:41Z)
• GTBench: Uncovering the Strategic Reasoning Limitations of LLMs via Game-Theoretic Evaluations [87.99872683336395]
  大規模言語モデル(LLM)は、重要な現実世界のアプリケーションに統合される。 本稿では,LLMの競合環境における推論能力について検討する。 まず,広く認識されている10のタスクを構成する言語駆動型環境であるGTBenchを提案する。
  論文  参考訳（メタデータ） (2024-02-19T18:23:36Z)
• A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
  我々は決定可能性を達成するために新しい意味論的アプローチを用いる。 具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。 我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
  論文  参考訳（メタデータ） (2023-07-28T11:26:26Z)
• DELPHIC: Practical DEL Planning via Possibilities (Extended Version) [76.75197961194182]
  本研究は,実用的なDEL計画の展開を促進することを目的としている。 本稿では,メインビルディングブロックとして定義した等価なセマンティクスを,いわゆる可能性として提案する。 この主張を裏付けるために、ASPで両方のアプローチを実装し、DELPHICと従来のKripkeベースのアプローチを比較する実験的な評価を設定した。
  論文  参考訳（メタデータ） (2023-07-28T10:09:45Z)
• Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models [68.85478477006178]
  ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。 ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。 私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。 提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
  論文  参考訳（メタデータ） (2023-03-23T17:43:17Z)
• Inherently Explainable Reinforcement Learning in Natural Language [14.117921448623342]
  本稿では,本質的に説明可能な強化学習エージェントの開発に焦点をあてる。 この階層的説明可能な強化学習エージェントは、インタラクティブフィクション、テキストベースのゲーム環境で動作する。 私たちのエージェントは、説明責任を第一級市民として扱うように設計されています。
  論文  参考訳（メタデータ） (2021-12-16T14:24:35Z)
• Deep Reinforcement Learning with Stacked Hierarchical Attention for Text-based Games [64.11746320061965]
  自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。 エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。 提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2020-10-22T12:40:22Z)
• Multi-Player Games with LDL Goals over Finite Traces [5.0082351824883045]
  有限トレース上の線形動的論理 LDLf は並列およびマルチエージェント系を推論するための強力な論理である。 LDLfを用いて,目標/目的を表現したマルチプレイヤーゲームにおける平衡特性のキャラクタリゼーションと検証を行う手法について検討する。
  論文  参考訳（メタデータ） (2020-08-13T02:11:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。