Fugu-MT 論文翻訳(概要): Statistical Tree-based Population Seeding for Rolling Horizon EAs in General Video Game Playing

論文の概要: Statistical Tree-based Population Seeding for Rolling Horizon EAs in General Video Game Playing

arxiv url: http://arxiv.org/abs/2008.13253v1
Date: Sun, 30 Aug 2020 19:33:19 GMT
ステータス: 処理完了
システム内更新日: 2022-10-23 12:11:07.524056
Title: Statistical Tree-based Population Seeding for Rolling Horizon EAs in General Video Game Playing
Title（参考訳）: 汎用ビデオゲームにおける転がり軸EAの統計的木系人口分布
Authors: Edgar Galv\'an, Oxana Gorshkova, Peter Mooney, Fred Valdez Ameneyro and Erik Cuevas
Abstract要約: 転がり地平線機構を用いた進化的アルゴリズム(EA)は,このような問題に対して異常な結果をもたらした。これらの制限には、人口を作り、それをほんの数秒で進化させる無駄なメカニズムが含まれる。提案手法は,20種類のゲームにおいて,バニラ型ローリング・ホライゾンEAよりも優れた結果が得られることを示す。
参考スコア（独自算出の注目度）: 1.6344394737380061
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multiple Artificial Intelligence (AI) methods have been proposed over recent years to create controllers to play multiple video games of different nature and complexity without revealing the specific mechanics of each of these games to the AI methods. In recent years, Evolutionary Algorithms (EAs) employing rolling horizon mechanisms have achieved extraordinary results in these type of problems. However, some limitations are present in Rolling Horizon EAs making it a grand challenge of AI. These limitations include the wasteful mechanism of creating a population and evolving it over a fraction of a second to propose an action to be executed by the game agent. Another limitation is to use a scalar value (fitness value) to direct evolutionary search instead of accounting for a mechanism that informs us how a particular agent behaves during the rolling horizon simulation. In this work, we address both of these issues. We introduce the use of a statistical tree that tackles the latter limitation. Furthermore, we tackle the former limitation by employing a mechanism that allows us to seed part of the population using Monte Carlo Tree Search, a method that has dominated multiple General Video Game AI competitions. We show how the proposed novel mechanism, called Statistical Tree-based Population Seeding, achieves better results compared to vanilla Rolling Horizon EAs in a set of 20 games, including 10 stochastic and 10 deterministic games.
Abstract（参考訳）: 近年、複数の人工知能(AI)メソッドが提案され、異なる性質と複雑さを持つ複数のビデオゲームを、それぞれのゲームの特定のメカニズムをAIメソッドに明らかにすることなくプレイするコントローラを作成する。近年, 転がり地平線機構を用いた進化的アルゴリズム (EA) は, この種の問題に対して異常な結果をもたらした。しかし、ローリングホライゾンEAにはいくつかの制限があり、AIの大きな課題となっている。これらの制限には、ゲームエージェントによって実行されるアクションを提案するために、人口を作成し、それをほんの数秒で進化させる無駄なメカニズムが含まれる。もう一つの制限は、転がり地平線シミュレーション中に特定のエージェントがどのように振る舞うかを知らせるメカニズムを考慮せずに、スカラー値(適合値)を用いて進化的探索を行うことである。本稿では,これら2つの課題に対処する。本稿では,後者の制約に対応する統計木の利用について紹介する。さらに,複数のGeneral Video Game AIコンペティションを支配したMonte Carlo Tree Searchを用いて,人口の一部をシードできるメカニズムを利用することで,従来の制限に対処する。統計木ベースの個体群シードと呼ばれる新しいメカニズムは,確率ゲーム10ゲームと決定ゲーム10ゲームを含む20種類のゲームにおいて,バニラローリングホライズンeasよりも優れた結果が得られることを示す。

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)
Neural Population Learning beyond Symmetric Zero-sum Games [52.20454809055356]
我々はNuPL-JPSROという,スキルの伝達学習の恩恵を受けるニューラル集団学習アルゴリズムを導入し,ゲームの粗相関(CCE)に収束する。本研究は, 均衡収束型集団学習を大規模かつ汎用的に実施可能であることを示す。
論文参考訳（メタデータ） (2024-01-10T12:56:24Z)
Optimistic Policy Gradient in Multi-Player Markov Games with a Single Controller: Convergence Beyond the Minty Property [89.96815099996132]
単一コントローラを用いたマルチプレイヤーゲームにおいて,楽観的なポリシー勾配手法を特徴付ける新しいフレームワークを開発した。我々のアプローチは、我々が導入する古典的なミニティの自然一般化に依存しており、マルコフゲームを超えてさらなる応用が期待できる。
論文参考訳（メタデータ） (2023-12-19T11:34:10Z)
On the Convergence of No-Regret Learning Dynamics in Time-Varying Games [89.96815099996132]
時間変化ゲームにおける楽観的勾配降下(OGD)の収束を特徴付ける。我々のフレームワークは、ゼロサムゲームにおけるOGDの平衡ギャップに対して鋭い収束境界をもたらす。また,静的ゲームにおける動的後悔の保証に関する新たな洞察も提供する。
論文参考訳（メタデータ） (2023-01-26T17:25:45Z)
Mimicking Playstyle by Adapting Parameterized Behavior Trees in RTS Games [0.0]
行動木(BT)は、ゲームにおける人工知能(AI)の分野に影響を与えた。 BTは手作りのBTの複雑さをほとんど難なくし、エラーを起こしやすくした。この分野の最近のトレンドはAIエージェントの自動作成に焦点を当てている。本稿では,人間のゲームプレイを模倣し一般化する,AIエージェントの半自動構築手法を提案する。
論文参考訳（メタデータ） (2021-11-23T20:36:28Z)
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)
Playing Against the Board: Rolling Horizon Evolutionary Algorithms Against Pandemic [3.223284371460913]
本稿では,短期的リスク軽減と長期的勝利戦略のバランスをとる必要があるため,コラボレーションボードゲームが人工知能に異なる課題をもたらすことを主張する。本稿では,協調型ボードゲームにおけるパンデミックの例を示し,このゲームに展開する進化的アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-28T09:22:10Z)
Teach me to play, gamer! Imitative learning in computer games via linguistic description of complex phenomena and decision tree [55.41644538483948]
本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
論文参考訳（メタデータ） (2021-01-06T21:14:10Z)
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)
Co-generation of game levels and game-playing agents [4.4447051343759965]
本稿では, PoET-Inspired Neuroevolutionary System for Kreativity (PINSKY) をゲームで紹介する。その結果,PINSKYがゲームレベルのカリキュラムを生成できることが示され,コンテンツ生成と人工生活の交差点における研究の新たな道が開かれた。
論文参考訳（メタデータ） (2020-07-16T17:48:05Z)
A Survey of Behavior Trees in Robotics and AI [6.703501757155802]
ビヘイビアツリー(BT)は、コンピュータゲームにおいてモジュール型AIを可能にするツールとして発明された。 BTでは、状態遷移ロジックは個々の状態に分散するのではなく、階層木構造で構成され、状態は葉として扱われる。これはモジュラリティに大きな影響を与え、それによって人間やアルゴリズムによる合成と解析の両方が簡単になる。
論文参考訳（メタデータ） (2020-05-12T15:03:20Z)

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。