論文の概要: Visualising Multiplayer Game Spaces
- arxiv url: http://arxiv.org/abs/2202.05773v1
- Date: Fri, 11 Feb 2022 17:09:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-14 18:07:33.917931
- Title: Visualising Multiplayer Game Spaces
- Title（参考訳）: マルチプレイヤーゲーム空間の可視化
- Authors: James Goodman, Diego Perez-Liebana, Simon Lucas
- Abstract要約: マルチプレイヤーテーブルトップゲームの特徴付けにおける「4つの異なるゲーム空間」の比較を行った。
モンテカルロ木探索(MCTS)におけるパラメータの最適化から得られる空間は,我々のゲーム群を特徴づけるために最も直接解釈可能である。
本論では,ゲームの特徴がプレイヤー数によって大きく変化するセットと,そのような効果がないセットの2つに分類するために,オリジナルの特徴を用いた質問について考察する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We compare four different `game-spaces' in terms of their usefulness in
characterising multi-player tabletop games, with a particular interest in any
underlying change to a game's characteristics as the number of players changes.
In each case we take a 16-dimensional feature space, and reduce it to a
2-dimensional visualizable landscape.
We find that a space obtained from optimization of parameters in Monte Carlo
Tree Search (MCTS) is the most directly interpretable to characterise our set
of games in terms of the relative importance of imperfect information,
adversarial opponents and reward sparsity. These results do not correlate with
a space defined using attributes of the game-tree.
This dimensionality reduction does not show any general effect as the number
of players. We therefore consider the question using the original features to
classify the games into two sets; those for which the characteristics of the
game changes significantly as the number of players changes, and those for
which there is no such effect.
- Abstract（参考訳）: 4つの異なる「ゲーム空間」を比較し,マルチプレイヤーのテーブルトップゲームを特徴付ける上での有用性と,プレイヤー数の変化に伴うゲーム特性の変化に対する特に興味を比較した。
それぞれのケースで16次元の特徴空間をとり、それを2次元の視覚的景観に還元する。
モンテカルロ木探索(MCTS)におけるパラメータの最適化から得られる空間は,不完全情報,敵対者,報酬空間の相対的重要性の観点から,我々のゲーム群を特徴付けるために最も直接的に解釈可能である。
これらの結果はゲームツリーの属性を用いて定義された空間と相関しない。
この次元の減少はプレイヤーの数として一般的な効果を示さない。
そこで本研究では,ゲームの特徴がプレイヤー数の変化とともに大きく変化するゲームと,そのような効果がないゲームという2つのセットに分類するために,元の特徴を用いた問題を考える。
関連論文リスト
- Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。
不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
論文 参考訳（メタデータ） (2024-06-23T00:27:28Z) - Statistical analysis of chess games: space control and tipping points [0.0]
まず,空間特性と駒の位置に着目し,ゲーム中の移動回数が結果と正の相関関係にあることを示す。
次に、部品のヒートマップを研究し、その空間分布が、エンジン(例えば、ストックフィッシュ)よりも人間のプレイヤー間では変化しないことを示す。
論文 参考訳（メタデータ） (2023-04-22T14:54:34Z) - 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) - Principal Trade-off Analysis [79.16635054977068]
低次元特徴空間にゲームを埋め込む分解法であるPTA(Principal Trade-off Analysis)を示す。
PTAは2次元特徴平面の対の重み付け和として任意の2-player 0-sumゲームを表す。
ゲーム四重奏におけるPTAの有効性を示す(Kuhn poker, RPS+2, Blotto, Pokemon)。
論文 参考訳（メタデータ） (2022-06-09T18:16:28Z) - 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) - Public Information Representation for Adversarial Team Games [31.29335755664997]
対戦チームゲームは、プレイ中にチームメンバーが利用可能な非対称情報の中にあります。
本アルゴリズムは,対戦相手を持つ逐次チームゲームから古典的な2プレイヤーゼロサムゲームに変換する。
この問題のNPハード性のため、結果のパブリックチームゲームは元のゲームよりも指数関数的に大きいかもしれない。
論文 参考訳（メタデータ） (2022-01-25T15:07:12Z) - Spatial State-Action Features for General Games [5.849736173068868]
汎用ゲームのための空間状態対応機能の設計と効率的な実装を定式化する。
これらは、局所的な状態の変数にマッチするかどうかに基づいて、アクションをインセンティブまたは非インセンティブ化するようにトレーニングできるパターンである。
任意の機能セットに対して,アクティブな機能を評価するための効率的なアプローチを提案する。
論文 参考訳（メタデータ） (2022-01-17T13:34:04Z) - Rinascimento: searching the behaviour space of Splendor [0.0]
本研究の目的は,ゲーム内の行動空間(BSpace)を一般手法を用いてマッピングすることである。
特に、イベント値関数の使用は、古典的なスコアベースの報酬信号に基づくエージェントと比較して、BSpaceのカバレッジが著しく改善されている。
論文 参考訳（メタデータ） (2021-06-15T18:46:57Z) - 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) - Individualized Context-Aware Tensor Factorization for Online Games
Predictions [6.602875221541352]
ユーザパフォーマンスとゲーム結果を予測するために,Neural Individualized Context-aware Embeddings(NICE)モデルを提案する。
提案手法は,ユーザとコンテキストの潜在表現を学習することで,異なるコンテキストにおける個人行動の違いを識別する。
我々は,MOBAゲームLeague of Legendsのデータセットを用いて,勝利の予測,個々のユーザパフォーマンス,ユーザエンゲージメントを大幅に改善することを示した。
論文 参考訳（メタデータ） (2021-02-22T20:46:02Z) - Deep Policy Networks for NPC Behaviors that Adapt to Changing Design
Parameters in Roguelike Games [137.86426963572214]
例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。
複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-12-07T08:47:25Z)
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。