Fugu-MT 論文翻訳(概要): Applications of Artificial Intelligence in Live Action Role-Playing Games (LARP)

論文の概要: Applications of Artificial Intelligence in Live Action Role-Playing Games (LARP)

arxiv url: http://arxiv.org/abs/2008.11003v1
Date: Tue, 25 Aug 2020 13:41:35 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 04:18:11.341614
Title: Applications of Artificial Intelligence in Live Action Role-Playing Games (LARP)
Title（参考訳）: ライブアクションロールプレイングゲーム(LARP)における人工知能の応用
Authors: Christoph Salge, Emily Short, Mike Preuss, Spyridion Samothrakis and Pieter Spronck
Abstract要約: ライブアクションロールプレイング(LARP)ゲームや同様の体験が人気ゲームジャンルになりつつある。我々は、AI技術、特にAI for Gamesでよく使われる技術がLARPにどのように適用できるかについて議論する。
参考スコア（独自算出の注目度）: 0.9799637101641149
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Live Action Role-Playing (LARP) games and similar experiences are becoming a popular game genre. Here, we discuss how artificial intelligence techniques, particularly those commonly used in AI for Games, could be applied to LARP. We discuss the specific properties of LARP that make it a surprisingly suitable application field, and provide a brief overview of some existing approaches. We then outline several directions where utilizing AI seems beneficial, by both making LARPs easier to organize, and by enhancing the player experience with elements not possible without AI.
Abstract（参考訳）: ライブアクションロールプレイング(LARP)ゲームや同様の体験が人気ゲームジャンルになりつつある。ここでは,人工知能技術,特にAI for Gamesでよく使用されるものについて,LARPに適用する方法について論じる。本稿では、LARPを驚くほど適したアプリケーション分野にするための具体的な特性について論じ、既存のアプローチを概観する。 LARPを組織化しやすくし、AIなしでは不可能な要素でプレイヤーエクスペリエンスを向上させることで、AIを活用することが有益と思われるいくつかの方向を概説する。

関連論文リスト

Toward Human-AI Alignment in Large-Scale Multi-Player Games [24.784173202415687]
我々はXboxのBleeding Edge(100K+ゲーム)から広範囲にわたる人間のゲームプレイデータを解析する。人間のプレイヤーは、戦闘飛行や探索飛行行動において多様性を示す一方で、AIプレイヤーは均一性に向かう傾向にある。これらの大きな違いは、ヒューマンアラインアプリケーションにおけるAIの解釈可能な評価、設計、統合の必要性を浮き彫りにしている。
論文参考訳（メタデータ） (2024-02-05T22:55:33Z)
Playing Large Games with Oracles and AI Debate [27.355621483737913]
既存のオンラインゲームプレイのアルゴリズムでは、アクションの回数のイテレーションが要求されるため、大規模なゲームでは禁止される可能性がある。動作数を対数的に依存する外部と内部の後悔の最小化を同時に行うための,新しい効率的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-12-08T02:06:55Z)
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)
The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされるまず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文参考訳（メタデータ） (2023-09-14T17:12:03Z)
SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
論文参考訳（メタデータ） (2023-05-24T18:14:35Z)
Generative Personas That Behave and Experience Like Humans [3.611888922173257]
生成AIエージェントは、ルール、報酬、または人間のデモンストレーションとして表される特定の演奏行動の模倣を試みる。我々は、行動手続き的ペルソナの概念をプレイヤー体験に適応させるよう拡張し、プレイヤーが人間のように行動し、経験できる生成エージェントを調べる。その結果, 生成したエージェントは, 模倣を意図した人物のプレイスタイルや経験的反応を呈することが示唆された。
論文参考訳（メタデータ） (2022-08-26T12:04:53Z)
AI in (and for) Games [0.9920773256693857]
この章では、人工知能(AI)/機械学習(ML)アルゴリズムとデジタルゲームとの関係について概説する。一方、ai/ml研究者は、人間の感情的活動、プレイヤーの行動に関する大規模かつ内部的なデータセットを生成できる。一方、ゲームは知的アルゴリズムを利用して、ゲームレベルのテストの自動化、コンテンツの生成、知的でレスポンシブな非プレイヤーキャラクタ(NPC)の開発、プレイヤーの振る舞いの予測と応答を行うことができる。
論文参考訳（メタデータ） (2021-05-07T08:57:07Z)
Player-AI Interaction: What Neural Network Games Reveal About AI as Play [14.63311356668699]
本稿では,人間がAIとどのように相互作用するかを学習し,実験する上で,ゲームは理想的な領域である,と論じる。ニューラルネットワークゲームの体系的な調査を通じて、優勢な相互作用のメタファーとAIの相互作用パターンを特定した。我々の研究は、ゲームとUXデザイナが人間とAIの相互作用の学習曲線を構築するためのフローを考えるべきであることを示唆している。
論文参考訳（メタデータ） (2021-01-15T17:07:03Z)
Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
論文参考訳（メタデータ） (2020-04-08T14:11:05Z)
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)
Exploration Based Language Learning for Text-Based Games [72.30525050367216]
本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
論文参考訳（メタデータ） (2020-01-24T03:03:51Z)

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。