Fugu-MT 論文翻訳(概要): World of Bugs: A Platform for Automated Bug Detection in 3D Video Games

論文の概要: World of Bugs: A Platform for Automated Bug Detection in 3D Video Games

arxiv url: http://arxiv.org/abs/2206.11037v1
Date: Tue, 21 Jun 2022 10:52:03 GMT
ステータス: 処理完了
システム内更新日: 2022-06-25 06:58:38.465707
Title: World of Bugs: A Platform for Automated Bug Detection in 3D Video Games
Title（参考訳）: World of Bugs: 3Dビデオゲームにおけるバグ検出の自動化プラットフォーム
Authors: Benedict Wilkins, Kostas Stathis
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.370633147306388
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We present World of Bugs (WOB), an open platform that aims to support Automated Bug Detection (ABD) research in video games. We discuss some open problems in ABD and how they relate to the platform's design, arguing that learning-based solutions are required if further progress is to be made. The platform's key feature is a growing collection of common video game bugs that may be used for training and evaluating ABD approaches.
Abstract（参考訳）: 本稿では,ゲームにおける自動バグ検出(ABD)研究を支援するオープンプラットフォームであるWorld of Bugs(WOB)を紹介する。 ABDにおけるオープンな問題と、それがプラットフォームの設計とどのように関係しているかについて議論し、さらなる進歩が必要ならば学習ベースのソリューションが必要であると論じる。プラットフォームの重要な機能は、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バグのコレクションの増加である。

関連論文リスト

SADAS: A Dialogue Assistant System Towards Remediating Norm Violations in Bilingual Socio-Cultural Conversations [56.31816995795216]
SADAS(Socially-Aware Dialogue Assistant System)は、会話が敬意と理解で広がることを保証するためのシステムである。本システムの新しいアーキテクチャは,(1)対話に存在する規範のカテゴリを特定すること,(2)潜在的な規範違反を検出すること,(3)違反の深刻さを評価すること,(4)違反の是正を目的とした対策を実施すること,を含む。
論文参考訳（メタデータ） (2024-01-29T08:54:21Z)
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)
Weak Supervision for Label Efficient Visual Bug Detection [0.0]
リソースによって制限された従来のテストメソッドは、潜在的なバグの多さに対処する上で困難に直面しています。本研究では,未ラベルゲームプレイとドメイン固有の拡張を利用して,データセットと自己教師対象を生成する手法を提案する。我々の手法は、弱いスーパービジョンを使用して、人工的な目的のためにデータセットをスケールし、自律的およびインタラクティブな弱いスーパービジョンの両方を促進する。
論文参考訳（メタデータ） (2023-09-20T06:00:02Z)
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)
BigIssue: A Realistic Bug Localization Benchmark [89.8240118116093]
BigIssueは、現実的なバグローカライゼーションのためのベンチマークである。実際のJavaバグと合成Javaバグの多様性を備えた一般的なベンチマークを提供する。われわれは,バグローカライゼーションの最先端技術として,APRの性能向上と,現代の開発サイクルへの適用性の向上を期待している。
論文参考訳（メタデータ） (2022-07-21T20:17:53Z)
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)
Learning to Identify Perceptual Bugs in 3D Video Games [1.370633147306388]
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。
論文参考訳（メタデータ） (2022-02-25T18:50:11Z)
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)
3DB: A Framework for Debugging Computer Vision Models [105.45042148499323]
3DBでは、コンピュータビジョンシステムの脆弱性を発見することができる。 3DBは、以前の作業から多くの分析をキャプチャし、一般化する。システムによって生成された洞察が,物理世界へ伝達されることが判明した。
論文参考訳（メタデータ） (2021-06-07T17:16:12Z)
OpenHoldem: An Open Toolkit for Large-Scale Imperfect-Information Game Research [82.09426894653237]
OpenHoldemは、NLTHを用いた大規模不完全情報ゲーム研究のための統合ツールキットです。 1)異なるNLTH AIを徹底的に評価するための標準化された評価プロトコル、2)NLTH AIのための3つの公的に利用可能な強力なベースライン、3)公開NLTH AI評価のための使いやすいAPIを備えたオンラインテストプラットフォーム。
論文参考訳（メタデータ） (2020-12-11T07:24:08Z)
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。