論文の概要: Analysis of Robocode Robot Adaptive Confrontation Based on Zero-Sum Game
- arxiv url: http://arxiv.org/abs/2207.01211v1
- Date: Mon, 4 Jul 2022 05:34:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-06 01:54:57.198326
- Title: Analysis of Robocode Robot Adaptive Confrontation Based on Zero-Sum Game
- Title（参考訳）: ゼロサムゲームに基づくロボコードロボット適応整合の解析
- Authors: Xiangri Lu
- Abstract要約: 本研究の目的は,TestRobot の Zero-sum Game Alpha-Beta プルーニングアルゴリズムの有効性を検証することである。
タンクインテリジェンスの自然特性の違いは、1V1独立対向と混合対向のレーダープロットのヒストグラムをプロットすることによって表現される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The confrontation of modern intelligence is to some extent a non-complete
information confrontation, where neither side has access to sufficient
information to detect the deployment status of the adversary, and then it is
necessary for the intelligence to complete information retrieval adaptively and
develop confrontation strategies in the confrontation environment. In this
paper, seven tank robots, including TestRobot, are organized for 1V 1
independent and mixed confrontations. The main objective of this paper is to
verify the effectiveness of TestRobot's Zero-sum Game Alpha-Beta pruning
algorithm combined with the estimation of the opponent's next moment motion
position under the game round strategy and the effect of releasing the
intelligent body's own bullets in advance to hit the opponent. Finally, based
on the results of the confrontation experiments, the natural property
differences of the tank intelligence are expressed by plotting histograms of
1V1 independent confrontations and radar plots of mixed confrontations.
- Abstract（参考訳）: 現代のインテリジェンスの対決はある程度不完全な情報対決であり、どちらの側も敵の展開状況を検出するのに十分な情報にアクセスできず、それに基づいて情報検索を完了し、対決環境における対決戦略を開発する必要がある。
本論文では,TestRobotを含む7台のタンクロボットを1V1独立・混合対決用に編成する。
本研究の目的は,TestRobotのZero-sum Game Alpha-Betaプルーニングアルゴリズムの有効性と,ゲームラウンド戦略下での対戦者の次モーメント動作位置の推定と,前もって知的体自身の弾丸を放出して相手に当たらせる効果とを組み合わせて検証することである。
最後に, 対決実験の結果に基づき, 1V1独立対決のヒストグラムと混合対決のレーダプロットをプロットすることにより, タンクインテリジェンスの自然特性差を表現した。
関連論文リスト
- Few-Shot Adversarial Prompt Learning on Vision-Language Models [62.50622628004134]
知覚不能な逆境摂動に対するディープニューラルネットワークの脆弱性は、広く注目を集めている。
それまでの努力は、相手の視覚的特徴をテキストの監督と整合させることで、ゼロショットの敵の堅牢性を達成した。
本稿では、限られたデータで入力シーケンスを適応させることで、対向性を大幅に向上させる、数ショットの対向的プロンプトフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-21T18:28:43Z) - Asymmetric Bias in Text-to-Image Generation with Adversarial Attacks [21.914674640285337]
本稿では、攻撃成功率(ASR)に関連する要因の分析に焦点をあてる。
敵接尾辞と2つの勾配に基づく攻撃アルゴリズムを用いた新たな攻撃目標であるエンティティスワップを導入する。
敵の攻撃で成功確率が60%になる状況と、この確率が5%以下に低下する状況を見いだす。
論文 参考訳（メタデータ） (2023-12-22T05:10:32Z) - Ares: A System-Oriented Wargame Framework for Adversarial ML [3.197282271064602]
Aresは、現実的なウォーゲームのような環境で、研究者が攻撃や防御を探索できる敵MLの評価フレームワークである。
アレスは、攻撃者とディフェンダーの間の対立を、反対の目的を持つ強化学習環境における2つのエージェントとして表している。
これにより、障害発生までの時間や複雑な戦略の評価など、システムレベルの評価指標が導入される。
論文 参考訳（メタデータ） (2022-10-24T04:55:18Z) - AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。
我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。
私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
論文 参考訳（メタデータ） (2022-09-19T03:34:59Z) - A Tale of HodgeRank and Spectral Method: Target Attack Against Rank
Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。
本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。
提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
論文 参考訳（メタデータ） (2022-09-13T05:59:02Z) - Zero-Query Transfer Attacks on Context-Aware Object Detectors [95.18656036716972]
敵は、ディープニューラルネットワークが誤った分類結果を生成するような摂動画像を攻撃する。
自然の多目的シーンに対する敵対的攻撃を防御するための有望なアプローチは、文脈整合性チェックを課すことである。
本稿では,コンテキスト整合性チェックを回避可能な,コンテキスト整合性攻撃を生成するための最初のアプローチを提案する。
論文 参考訳（メタデータ） (2022-03-29T04:33:06Z) - Evaluating the Robustness of Semantic Segmentation for Autonomous
Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。
本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
論文 参考訳（メタデータ） (2021-08-13T11:49:09Z) - Improving the Adversarial Robustness for Speaker Verification by Self-Supervised Learning [95.60856995067083]
この研究は、特定の攻撃アルゴリズムを知らずにASVの敵防衛を行う最初の試みの一つである。
本研究の目的は,1) 対向摂動浄化と2) 対向摂動検出の2つの視点から対向防御を行うことである。
実験の結果, 検出モジュールは, 約80%の精度で対向検体を検出することにより, ASVを効果的に遮蔽することがわかった。
論文 参考訳（メタデータ） (2021-06-01T07:10:54Z)
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。