Fugu-MT 論文翻訳(概要): Introduction to Behavior Algorithms for Fighting Games

論文の概要: Introduction to Behavior Algorithms for Fighting Games

arxiv url: http://arxiv.org/abs/2007.12586v1
Date: Mon, 6 Jul 2020 14:52:20 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 02:36:19.980893
Title: Introduction to Behavior Algorithms for Fighting Games
Title（参考訳）: 格闘ゲームにおける行動アルゴリズム入門
Authors: Ignacio Gajardo, Felipe Besoain, and Nicolas A. Barriga
Abstract要約: 我々は,有限状態マシンやビヘイビアツリーなどのゲームにおいて,標準的な行動アルゴリズムを導入する。また、これらのアルゴリズムの既存および潜在的組み合わせについて、またゲーム戦でどのように使用されるかについても論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The quality of opponent Artificial Intelligence (AI) in fighting videogames is crucial. Some other game genres can rely on their story or visuals, but fighting games are all about the adversarial experience. In this paper, we will introduce standard behavior algorithms in videogames, such as Finite-State Machines and Behavior Trees, as well as more recent developments, such as Monte-Carlo Tree Search. We will also discuss the existing and potential combinations of these algorithms, and how they might be used in fighting games. Since we are at the financial peak of fighting games, both for casual players and in tournaments, it is important to build and expand on fighting game AI, as it is one of the pillars of this growing market.
Abstract（参考訳）: 対戦型ビデオゲームにおける人工知能(AI)の質は重要である。他のゲームジャンルはストーリーやビジュアルに頼りがちだが、対戦ゲームは敵の体験にのみ依存する。本稿では,Finite-State Machines や Behavior Trees などのゲームにおける標準的な動作アルゴリズムと,モンテカルロ木探索などの最近の開発について紹介する。また、これらのアルゴリズムの既存および潜在的組み合わせについて、またゲームにどのように使用されるかについても論じる。我々は、カジュアルプレイヤーとトーナメントの両方において、ファイティングゲームが金融的にピークを迎えているため、この成長する市場の柱のひとつとして、ファイティングゲームAIの構築と拡大が重要である。

関連論文リスト

DanZero+: Dominating the GuanDan Game through Reinforcement Learning [95.90682269990705]
我々は、GuanDanという、非常に複雑で人気のあるカードゲームのためのAIプログラムを開発した。私たちはまず、DanZeroという名のAIプログラムをこのゲームのために提案しました。 AIの能力をさらに強化するために、政策に基づく強化学習アルゴリズムをGuanDanに適用する。
論文参考訳（メタデータ） (2023-12-05T08:07:32Z)
AlphaZero Gomoku [9.434566356382529]
我々は、AlphaZeroを「Five in a Row」とも呼ばれる古くからのボードゲーム「Gomoku」に拡張する。我々のテストは、Go以外のゲームに適応するAlphaZeroの汎用性を示している。
論文参考訳（メタデータ） (2023-09-04T00:20:06Z)
Are AlphaZero-like Agents Robust to Adversarial Perturbations? [73.13944217915089]
AlphaZero(AZ)は、ニューラルネットワークベースのGo AIが人間のパフォーマンスを大きく上回ることを示した。私たちは、Go AIが驚くほど間違った行動を起こさせる可能性のある、敵対的な状態が存在するかどうか尋ねる。我々は、Go AIに対する最初の敵攻撃を開発し、探索空間を戦略的に減らし、効率よく敵の状態を探索する。
論文参考訳（メタデータ） (2022-11-07T18:43:25Z)
A Survey of Decision Making in Adversarial Games [8.489977267389934]
ポーカー、チェス、エバダー追跡、麻薬の侵入、沿岸警備、サイバーセキュリティ、国防など多くの実践的応用において、プレイヤーは明らかに敵対的な姿勢をとる。本稿では,対戦型ゲームに広く用いられている3つの主要ゲームモデルについて,体系的な調査を行う。
論文参考訳（メタデータ） (2022-07-16T16:04:01Z)
Identification of Play Styles in Universal Fighting Engine [0.0]
我々は、AIと人間制御されたキャラクターのプレイスタイルを比較するために、自動プロシージャをどのように使用できるかを示す。また,ゲーム参加者の人間らしさや多様性を評価する上でも有効であることを示す。
論文参考訳（メタデータ） (2021-08-08T10:06:16Z)
Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
論文参考訳（メタデータ） (2021-04-17T20:33:24Z)
TotalBotWar: A New Pseudo Real-time Multi-action Game Challenge and Competition for AI [62.997667081978825]
TotalBotWarは、ゲームAIのための新しい擬似リアルタイムマルチアクションチャレンジだ。ゲームはTotalWarのゲームシリーズに基づいており、プレイヤーは敵のゲームに勝つために軍隊を管理する。
論文参考訳（メタデータ） (2020-09-18T09:13:56Z)
Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文参考訳（メタデータ） (2020-07-10T09:33:05Z)
Enhanced Rolling Horizon Evolution Algorithm with Opponent Model Learning: Results for the Fighting Game AI Competition [9.75720700239984]
本稿では,RHEA(Rolling Horizon Evolution Algorithm)と対向モデル学習を組み合わせた新しいアルゴリズムを提案する。 2019年の競争で上位5つのボットのうち、モンテカルロツリーサーチ(MCTS)を使用しないボットは、ポリシーグラディエントベースの対戦モデルによるボットのみである。
論文参考訳（メタデータ） (2020-03-31T04:44:33Z)
Suphx: Mastering Mahjong with Deep Reinforcement Learning [114.68233321904623]
我々は、新たに導入されたいくつかの技術を用いた深層強化学習に基づいて、Suphxという名のマフジョンのためのAIを設計する。 Suphxは、安定したランクの点で、ほとんどのトップの人間プレイヤーよりも強いパフォーマンスを示している。コンピュータプログラムがマヒョンで最上位の人間プレイヤーを上回るのは、これが初めてである。
論文参考訳（メタデータ） (2020-03-30T16:18:16Z)
From Chess and Atari to StarCraft and Beyond: How Game AI is Driving the World of AI [10.80914659291096]
Game AIは、最も先進的なAIアルゴリズムを開発し、テストするための研究分野として、自らを確立した。 Game AIの進歩は、ロボティクスや化学物質の合成など、ゲーム以外の領域にも拡張され始めている。
論文参考訳（メタデータ） (2020-02-24T18:28:54Z)

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。