Fugu-MT 論文翻訳(概要): CYRUS Soccer Simulation 2D Team Description Paper 2022

論文の概要: CYRUS Soccer Simulation 2D Team Description Paper 2022

arxiv url: http://arxiv.org/abs/2205.10953v1
Date: Sun, 22 May 2022 23:16:37 GMT
ステータス: 処理完了
システム内更新日: 2022-05-29 14:48:13.950335
Title: CYRUS Soccer Simulation 2D Team Description Paper 2022
Title（参考訳）: CYRUS Soccer Simulation 2D Team Description Paper 2022
Authors: Nader Zare, Arad Firouzkouhi, Omid Amini, Mahtab Sarvmaili, Aref Sayareh, Saba Ramezani Rad, Stan Matwin, Amilcar Soares
Abstract要約: 本稿では,CYRUSサッカーシミュレーションチームの前回および現在の研究を紹介する。本稿では,Pass Prediction Deep Neural Network を用いたアンマーク決定と位置決めの改善について述べる。
参考スコア（独自算出の注目度）: 8.86121279277966
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Soccer Simulation 2D League is one of the major leagues of RoboCup competitions. In a Soccer Simulation 2D (SS2D) game, two teams of 11 players and one coach compete against each other. The players are only allowed to communicate with the server that is called Soccer Simulation Server. This paper introduces the previous and current research of the CYRUS soccer simulation team, the champion of RoboCup 2021. We will present our idea about improving Unmarking Decisioning and Positioning by using Pass Prediction Deep Neural Network. Based on our experimental results, this idea proven to be effective on increasing the winning rate of Cyrus against opponents.
Abstract（参考訳）: サッカーシミュレーション2Dリーグ(英語: Soccer Simulation 2D League)は、ロボカップのサッカーリーグである。サッカーシミュレーション2D(SS2D)ゲームでは、11人の選手と1人のコーチのチームが互いに競い合う。プレイヤーはサッカーシミュレーションサーバと呼ばれるサーバとしか通信できない。本稿では,RoboCup 2021のチャンピオンであるCYRUSサッカーシミュレーションチームの前回および現在の研究を紹介する。本稿では,Pass Prediction Deep Neural Network を用いたアンマーク決定と位置決めの改善について述べる。実験結果から, このアイデアは, 対戦相手に対するサイラスの勝利率の向上に有効であることがわかった。

関連論文リスト

SoccerNet 2024 Challenges Results [152.8534707514927]
SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。今年は、4つのビジョンベースのタスクが課題となっている。
論文参考訳（メタデータ） (2024-09-16T14:12:22Z)
SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
論文参考訳（メタデータ） (2024-04-17T12:53:45Z)
Engineering Features to Improve Pass Prediction in Soccer Simulation 2D Games [0.0]
サッカーシミュレーション2D(英: Soccer Simulation 2D)は、2次元の実際のサッカーゲームのシミュレーションである。我々は,Deep Neural Networks (DNN) とRandom Forest (RF) を用いたサッカー2Dプレーヤーのパス動作のモデル化を試みた。 RoboCup 2019の6つのトップチームに対して、トレーニングされたモデルのパフォーマンスを評価する。
論文参考訳（メタデータ） (2024-01-07T08:01:25Z)
Improving Dribbling, Passing, and Marking Actions in Soccer Simulation 2D Games Using Machine Learning [4.350850682297813]
ロボカップの競技会は1997年に始まり、最古のロボカップリーグとして知られている。ロボカップ2Dサッカーシミュレーションリーグ(RoboCup 2D Soccer Simulation League)は、24人の自律的なエージェントが2つのチームでプレーする、部分的に観察可能なサッカー環境である。本稿では, CYRUS(RoboCup 2021 2D Soccer Simulation Leagueのチャンピオン)の主な戦略と機能について述べる。
論文参考訳（メタデータ） (2024-01-07T07:54:26Z)
Denoising Opponents Position in Partial Observation Environment [0.4660328753262075]
サッカーシミュレーション2D (SS2D) では、11人の選手と1人のコーチを含む2チームが対戦する。我々は,Long Short-Term Memory Model (LSTM) とDeep Neural Networks (DNN) を用いた位置予測のアイデアを説明する。
論文参考訳（メタデータ） (2023-10-23T04:16:52Z)
Pyrus Base: An Open Source Python Framework for the RoboCup 2D Soccer Simulation [9.305564694066934]
サッカーシミュレーション2D(英語: Soccer Simulation 2D、SS2D)は、RoboCupコンペティションで始まったリーグの1つである。全てのSS2Dゲームでは、11人のプレーヤーと1人のコーチからなる2つのチームがロボカップサッカーシミュレーションサーバに接続し、互いに競い合う。 SS2Dの最初のPythonベースコードであるPyrusを紹介します。
論文参考訳（メタデータ） (2023-07-22T01:30:25Z)
Observation Denoising in CYRUS Soccer Simulation 2D Team For RoboCup 2023 [7.658318240235567]
本稿では,RoboCup 2021のチャンピオンであるCYRUSサッカーシミュレーション2Dチームの最新の研究について述べる。長寿命メモリネットワーク(LSTM)とディープニューラルネットワーク(DNN)を利用した私たちの認知的アイデアについて説明する。
論文参考訳（メタデータ） (2023-05-27T20:46:33Z)
DFGC 2022: The Second DeepFake Game Competition [93.05016504907401]
ディープフェイクは急速に進化しており、現実的なフェイススワップは認識しにくくなっている。 DeepFakeのクリエーターとディフェンダーの間には2人組のゲームがある。このコンペティションは、DeepFakeの生成と検出方法における現在の最先端のゲームをベンチマークするための共通のプラットフォームを提供する。
論文参考訳（メタデータ） (2022-06-30T09:13:06Z)
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)
Megaverse: Simulating Embodied Agents at One Million Experiences per Second [75.1191260838366]
私たちは、強化学習と具体化AI研究のための新しい3DシミュレーションプラットフォームであるMegaverseを紹介します。 MegaverseはDeepMind Labより最大70倍速い。私たちはMegaverseを使って、複数の単一エージェントタスクとマルチエージェントタスクからなる新しいベンチマークを構築します。
論文参考訳（メタデータ） (2021-07-17T03:16:25Z)
Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文参考訳（メタデータ） (2020-11-18T10:26:02Z)

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。