Fugu-MT 論文翻訳(概要): Learning to Identify Perceptual Bugs in 3D Video Games

論文の概要: Learning to Identify Perceptual Bugs in 3D Video Games

arxiv url: http://arxiv.org/abs/2202.12884v1
Date: Fri, 25 Feb 2022 18:50:11 GMT
ステータス: 処理完了
システム内更新日: 2022-02-28 14:29:57.391958
Title: Learning to Identify Perceptual Bugs in 3D Video Games
Title（参考訳）: 3Dビデオゲームにおける知覚的バグの識別
Authors: Benedict Wilkins, Kostas Stathis
Abstract要約: そこで本研究では,学習に基づく手法を用いて,知覚的バグの範囲を同定できることを示す。 World of Bugs (WOB)は、3Dゲーム環境でABDメソッドをテストするオープンプラットフォームである。
参考スコア（独自算出の注目度）: 1.370633147306388
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automated Bug Detection (ABD) in video games is composed of two distinct but complementary problems: automated game exploration and bug identification. Automated game exploration has received much recent attention, spurred on by developments in fields such as reinforcement learning. The complementary problem of identifying the bugs present in a player's experience has for the most part relied on the manual specification of rules. Although it is widely recognised that many bugs of interest cannot be identified with such methods, little progress has been made in this direction. In this work we show that it is possible to identify a range of perceptual bugs using learning-based methods by making use of only the rendered game screen as seen by the player. To support our work, we have developed World of Bugs (WOB) an open platform for testing ABD methods in 3D game environments.
Abstract（参考訳）: ビデオゲームにおける自動バグ検出(ABD)は、自動ゲーム探索とバグ識別の2つの相補的な問題からなる。自動ゲーム探索は、強化学習などの分野の発展によって、近年注目を集めている。プレイヤーの経験にあるバグを特定するという相補的な問題は、ほとんどの場合、ルールのマニュアル仕様に依存していた。このような手法では,多くの害虫が同定できないことが広く認識されているが,この方向への進展はほとんど見られない。本研究では,レンダリングされたゲーム画面のみをプレイヤーが見ているように利用することにより,学習ベースの手法を用いて知覚的バグの範囲を特定することができることを示す。我々は3Dゲーム環境でABDメソッドをテストするオープンプラットフォーム World of Bugs (WOB) を開発した。

関連論文リスト

Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文参考訳（メタデータ） (2024-10-31T13:13:32Z)
Deriving and Evaluating a Detailed Taxonomy of Game Bugs [2.2136561577994858]
この研究の目的は、ゲーム開発者がバグに耐性のあるゲームを開発するのに役立つバグ分類を提供することだ。ゲーム開発業界で発生したバグを報告した189件(学術文献78件,灰色111件)の資料の中から,436件の資料を分析し,MLR(Multivocal Literature Review)を行った。 MLRにより、エンドユーザーの視点から63のゲームバグカテゴリの詳細な分類を確定することができた。
論文参考訳（メタデータ） (2023-11-28T09:51:42Z)
Finding the Needle in a Haystack: Detecting Bug Occurrences in Gameplay Videos [10.127506928281413]
本稿では、機械学習を用いて、ゲームプレイビデオの一部にバグの描写が含まれているかどうかを予測する自動化アプローチを提案する。我々は、198本のゲームプレイビデオの4,412のセグメントを分析し、あるセグメントがバグのインスタンスを含んでいるかどうかを予測する。本手法は, バグを含む映像のセグメント検出に有効であり, F1スコア0.88を達成し, バグ分類の最先端技術よりも優れていた。
論文参考訳（メタデータ） (2023-11-18T01:14:18Z)
Towards Long-Tailed 3D Detection [56.82185415482943]
本研究では,Long-Tailed 3D Detection (LT3D) の課題について検討した。各クラスの平均APは5%改善し,レアクラスのAPは劇的に改善した。
論文参考訳（メタデータ） (2022-11-16T06:00:47Z)
Large Language Models are Pretty Good Zero-Shot Video Game Bug Detectors [3.39487428163997]
大規模言語モデルでは,ゲームからのイベントのテキスト記述のシーケンスにおいて,どのイベントがバギーであるかを識別できることを示す。この結果から,ビデオゲームのバグ検出に言語モデルを用いた場合の有望な結果が得られた。
論文参考訳（メタデータ） (2022-10-05T18:44:35Z)
Inspector: Pixel-Based Automated Game Testing via Exploration, Detection, and Investigation [116.41186277555386]
Inspectorは、ゲームと深く統合することなく、異なるゲームに容易に適用できるゲームテストエージェントである。インスペクタは純粋にピクセル入力に基づいており、ゲームスペースエクスプローラー、キーオブジェクト検出器、人間に似たオブジェクトインスペクタの3つの重要なモジュールから構成されている。実験結果は,ゲーム空間の探索,キーオブジェクトの検出,オブジェクトの調査におけるインスペクタの有効性を示す。
論文参考訳（メタデータ） (2022-07-18T04:49:07Z)
World of Bugs: A Platform for Automated Bug Detection in 3D Video Games [1.370633147306388]
We present World of Bugs, a open platform that aimed to support automated Bug Detection research in video games。主な特徴は、ABDアプローチのトレーニングと評価に使用される、一般的なビデオゲームのバグの集合である。
論文参考訳（メタデータ） (2022-06-21T10:52:03Z)
CCPT: Automatic Gameplay Testing and Validation with Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。 CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
論文参考訳（メタデータ） (2022-02-21T09:08:33Z)
Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
論文参考訳（メタデータ） (2021-01-17T21:15:34Z)
Anomaly Detection in Video via Self-Supervised and Multi-Task Learning [113.81927544121625]
ビデオにおける異常検出は、コンピュータビジョンの問題である。本稿では,オブジェクトレベルでの自己教師型およびマルチタスク学習を通じて,ビデオ中の異常事象検出にアプローチする。
論文参考訳（メタデータ） (2020-11-15T10:21:28Z)
A Metric Learning Approach to Anomaly Detection in Video Games [1.1602089225841632]
我々は、異常検出のための効率的な深度学習手法として、ステート・ステート・シームズ・ネットワーク(S3N)を開発した。我々は,一連のアタリゲームにおいて経験的評価により,S3Nが意味のある埋め込みを学習できることを示す。
論文参考訳（メタデータ） (2020-05-20T17:23:21Z)

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。