論文の概要: An Unsupervised Video Game Playstyle Metric via State Discretization
- arxiv url: http://arxiv.org/abs/2110.00950v1
- Date: Sun, 3 Oct 2021 08:30:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:57:45.536083
- Title: An Unsupervised Video Game Playstyle Metric via State Discretization
- Title（参考訳）: 状態の離散化による教師なしのビデオゲームプレイスタイルメトリック
- Authors: Chiu-Chou Lin, Wei-Chen Chiu and I-Chen Wu
- Abstract要約: 本稿では,ゲーム観察とアクションから直接,ビデオゲームのプレイスタイルに関する最初の指標を提案する。
提案手法は離散表現を学習する新しい手法に基づいている。
いくつかのゲームプラットフォームにおける実験において,我々の測定値の高精度なプレイスタイルの精度を示す。
- 参考スコア（独自算出の注目度）: 20.48689549093258
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On playing video games, different players usually have their own playstyles.
Recently, there have been great improvements for the video game AIs on the
playing strength. However, past researches for analyzing the behaviors of
players still used heuristic rules or the behavior features with the
game-environment support, thus being exhausted for the developers to define the
features of discriminating various playstyles. In this paper, we propose the
first metric for video game playstyles directly from the game observations and
actions, without any prior specification on the playstyle in the target game.
Our proposed method is built upon a novel scheme of learning discrete
representations that can map game observations into latent discrete states,
such that playstyles can be exhibited from these discrete states. Namely, we
measure the playstyle distance based on game observations aligned to the same
states. We demonstrate high playstyle accuracy of our metric in experiments on
some video game platforms, including TORCS, RGSK, and seven Atari games, and
for different agents including rule-based AI bots, learning-based AI bots, and
human players.
- Abstract（参考訳）: ビデオゲームでは、通常、異なるプレイヤーが独自のプレースタイルを持つ。
最近、プレイの強さに関するビデオゲームAIに大きな改善が加えられている。
しかし、過去のプレイヤーの行動分析では、ゲーム環境支援によるヒューリスティックなルールや行動特徴が使われており、開発者は様々なプレイスタイルを識別する特徴を定義できなくなった。
本稿では,ゲーム中のプレイスタイルに関する事前の仕様を使わずに,ゲーム観察とアクションから直接ビデオゲームのプレイスタイルを示す最初の指標を提案する。
提案手法は,これらの離散状態からプレイスタイルを表現できるように,ゲーム観測を潜在離散状態にマッピングする離散表現を学習する新しい手法に基づいて構築される。
すなわち,同じ状態に整列したゲーム観測に基づいて,プレイスタイル距離を測定する。
TORCS, RGSK, 7つのAtariゲーム、ルールベースのAIボット、学習ベースのAIボット、人間プレイヤーなど、さまざまなエージェントの実験において、我々のメトリックの高いプレイスタイルの精度を示す。
関連論文リスト
- Instruction-Driven Game Engine: A Poker Case Study [53.689520884467065]
IDGEプロジェクトは、大規模言語モデルで自由形式のゲーム記述を追従し、ゲームプレイプロセスを生成することにより、ゲーム開発を民主化することを目的としている。
我々は、複雑なシナリオへの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。
我々の最初の進歩はポーカーのIDGEの開発であり、これは幅広いポーカーの変種をサポートするだけでなく、自然言語入力を通じて高度に個別化された新しいポーカーゲームを可能にする。
論文 参考訳（メタデータ） (2024-10-17T11:16:27Z) - Perceptual Similarity for Measuring Decision-Making Style and Policy Diversity in Games [28.289135305943056]
プレイスタイルとして知られる意思決定スタイルの定義と測定は、ゲームにおいて不可欠である。
本稿では,様々な状態心理学を用いたマルチスケール分析,粒度に根ざした知覚核,交差点対結合法を有効利用して精度を高めるための3つの拡張点を紹介する。
そこで本研究では,エンド・ツー・エンドのゲーム分析と,多種多様なプレイスタイルのための人工知能の進化について検討した。
論文 参考訳（メタデータ） (2024-08-12T10:55:42Z) - People use fast, goal-directed simulation to reason about novel games [75.25089384921557]
我々は,シンプルだが斬新なコネクテッドnスタイルのボードゲームについて,人々がどう考えるかを研究する。
ゲームがどんなに公平か、そしてどんなに楽しいのかを、ごくわずかな経験から判断するよう、私たちは人々に求めます。
論文 参考訳（メタデータ） (2024-07-19T07:59:04Z) - 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) - Automated Play-Testing Through RL Based Human-Like Play-Styles
Generation [0.0]
強化学習は、ビデオゲームのテストを自動化する必要性に対する有望な答えである。
CARMI: aを提示します。
入力として相対測度を持つエージェント。
以前は目に見えないレベルであっても、プレイヤーのプレースタイルをエミュレートできるエージェント。
論文 参考訳（メタデータ） (2022-11-29T14:17:20Z) - Configurable Agent With Reward As Input: A Play-Style Continuum
Generation [0.0]
複数のプレイスタイルを定義するためのゲーム環境を提案する。
次に、幅広いプレイスタイルをシミュレートできる強化学習エージェントであるCARIを紹介する。
論文 参考訳（メタデータ） (2022-11-29T13:59:25Z) - 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) - 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) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - 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) - Benchmarking End-to-End Behavioural Cloning on Video Games [5.863352129133669]
我々は,2010年以降の6ゲームを含む12のビデオゲームにおける行動クローンの一般適用性について検討した。
以上の結果から,これらのエージェントは生演奏では人間と一致しないが,基本力学やルールを学習できることがわかった。
また、データの質や、人間からのデータの記録が、人間の反射によって、状態-作用ミスマッチの対象になっていることを実証する。
論文 参考訳（メタデータ） (2020-04-02T13:31:51Z)
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。
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。