論文の概要: TotalBotWar: A New Pseudo Real-time Multi-action Game Challenge and Competition for AI

• arxiv url: http://arxiv.org/abs/2009.08696v1
• Date: Fri, 18 Sep 2020 09:13:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 02:57:51.111911
• Title: TotalBotWar: A New Pseudo Real-time Multi-action Game Challenge and Competition for AI
• Title（参考訳）: TotalBotWar:AIのためのPseudo Real-time Multi-action Game Challengeとコンペティション
• Authors: Alejandro Estaben, C\'esar D\'iaz, Raul Montoliu, Diego P\'erez-Liebana
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 62.997667081978825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents TotalBotWar, a new pseudo real-time multi-action challenge for game AI, as well as some initial experiments that benchmark the framework with different agents. The game is based on the real-time battles of the popular TotalWar games series where players manage an army to defeat the opponent's one. In the proposed game, a turn consists of a set of orders to control the units. The number and specific orders that can be performed in a turn vary during the progression of the game. One interesting feature of the game is that if a particular unit does not receive an order in a turn, it will continue performing the action specified in a previous turn. The turn-wise branching factor becomes overwhelming for traditional algorithms and the partial observability of the game state makes the proposed game an interesting platform to test modern AI algorithms.
• Abstract（参考訳）: 本稿では、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であるTotalBotWarと、異なるエージェントでフレームワークをベンチマークする初期の実験を紹介する。 このゲームは、対戦相手を倒すための軍隊をプレイヤーが管理する人気のトータルウォーゲームシリーズのリアルタイムバトルに基づいている。 提案されたゲームでは、ターンはユニットを制御する一連の命令から構成される。 順番に行うことができる数と特定の順序は、ゲームの進行の間に異なる。 ゲームの特徴の1つは、特定のユニットがターンで順番を受け取らなければ、前のターンで指定されたアクションを実行し続けることである。 ターンワイズ分岐係数は従来のアルゴリズムでは圧倒的となり、ゲーム状態の部分的可観測性により、提案されたゲームは現代のaiアルゴリズムをテストするための興味深いプラットフォームとなる。

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)
• Introducing Tales of Tribute AI Competition [0.7639610349097472]
  本稿では,新たなAIチャレンジであるT Tales of Tribute AI Competition(TOTAIC)を提案する。 このゲームは、The Elder Scrolls OnlineのHigh Isle章でリリースされた2人のプレイヤーによるデッキビルディングカードゲームに基づいている。 本稿では,競争の枠組みを紹介し,ゲームのルールを説明し,サンプルAIエージェント間のトーナメントの結果を示す。
  論文  参考訳（メタデータ） (2023-05-14T19:55:56Z)
• 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)
• Keke AI Competition: Solving puzzle levels in a dynamically changing mechanic space [5.2508303190856624]
  ケケAIコンペティションは、Baba is Youというゲームのための人工エージェントコンペティションを導入する。 本稿では,提出されたエージェントのランク付けに使用されるフレームワークと評価指標について述べる。
  論文  参考訳（メタデータ） (2022-09-11T17:50:27Z)
• 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)
• On the Power of Refined Skat Selection [1.3706331473063877]
  Skatは魅力的なカードゲームで、現代のAIシステムの本質的な課題の多くを示しています。 洗練されたskat評価機能に基づくハードエキスパートルールとスコアリング関数を提案する。 実験では、精巧なskat pingアルゴリズムがボットの演奏性能に与える影響を強調した。
  論文  参考訳（メタデータ） (2021-04-07T08:54:58Z)
• Collaborative Agent Gameplay in the Pandemic Board Game [3.223284371460913]
  Pandemicは、すべてのプレイヤーがゲームの進行中に発生する出来事によって引き起こされる課題を克服するために調整する模範的な共同ボードゲームです。 本稿では,すべてのプレイヤーの行動を制御し,この高度に進化した環境において勝つ確率と負けるリスクをバランスさせる人工エージェントを提案する。 提案アルゴリズムは,様々な難易度を持つ異なるゲームにおいて,より一貫した勝利戦略を見出すことができることを示す。
  論文  参考訳（メタデータ） (2021-03-21T13:18:20Z)
• AI and Wargaming [7.946510318969309]
  我々は、ウォーガーミングのレンズを通して、現在の最先端技術についてレビューする。 第一に、ウォーゲームと通常のAIテストベッドを区別する機能は何か、そして第二に、最近のAIの進歩が、これらのウォーゲーム固有の機能に最も適しているのかを問う。
  論文  参考訳（メタデータ） (2020-09-18T16:39:54Z)
• 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)
• Efficient exploration of zero-sum stochastic games [83.28949556413717]
  ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。 限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。 私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
  論文  参考訳（メタデータ） (2020-02-24T20:30:38Z)

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。