論文の概要: Towards Informed Design and Validation Assistance in Computer Games Using Imitation Learning

• arxiv url: http://arxiv.org/abs/2208.07811v1
• Date: Mon, 15 Aug 2022 11:08:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-17 12:10:36.867319
• Title: Towards Informed Design and Validation Assistance in Computer Games Using Imitation Learning
• Title（参考訳）: 模倣学習を用いたコンピュータゲームにおけるインフォームドデザインと検証支援
• Authors: Alessandro Sestini, Joakim Bergdahl, Konrad Tollera, Andrew D. Bagdanov, Linus Gissl\'en
• Abstract要約: 本稿では,自動ゲーム検証とテストのための新しいアプローチを提案する。 本手法は,データ駆動型模倣学習技術を活用し,時間と労力をほとんど必要とせず,機械学習やプログラミングの知識も必要としない。
• 参考スコア（独自算出の注目度）: 65.12226891589592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In games, as in and many other domains, design validation and testing is a huge challenge as systems are growing in size and manual testing is becoming infeasible. This paper proposes a new approach to automated game validation and testing. Our method leverages a data-driven imitation learning technique, which requires little effort and time and no knowledge of machine learning or programming, that designers can use to efficiently train game testing agents. We investigate the validity of our approach through a user study with industry experts. The survey results show that our method is indeed a valid approach to game validation and that data-driven programming would be a useful aid to reducing effort and increasing quality of modern playtesting. The survey also highlights several open challenges. With the help of the most recent literature, we analyze the identified challenges and propose future research directions suitable for supporting and maximizing the utility of our approach.
• Abstract（参考訳）: ゲームでは、他の多くのドメインと同様に、システムのサイズが拡大し、手動テストが実現不可能になりつつあるため、設計の検証とテストは大きな課題である。 本稿では,自動ゲーム検証とテストのための新しいアプローチを提案する。 本手法では,機械学習やプログラミングに関する知識を必要とせず,データ駆動型模倣学習手法を活用し,ゲームテストエージェントを効率的にトレーニングすることができる。 本研究は,業界の専門家によるユーザ調査を通して,本手法の有効性について検討する。 調査の結果,本手法はゲーム検証に有効な手法であり,データ駆動型プログラミングは,現在のプレイテストの品質向上と労力削減に有効であることがわかった。 調査では、いくつかのオープンな課題も取り上げている。 最新の文献を用いて特定課題を分析し,提案手法の有用性を最大化するための今後の研究方向を提案する。

関連論文リスト

• Survey of Computerized Adaptive Testing: A Machine Learning Perspective [66.26687542572974]
  コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、試験の熟練度を評価するための効率的で調整された方法である。 本稿では,この適応テスト手法に対する新たな視点を提示し,機械学習に着目したCATに関する調査を行うことを目的とする。
  論文  参考訳（メタデータ） (2024-03-31T15:09:47Z)
• A Review of Machine Learning Techniques in Imbalanced Data and Future Trends [0.0]
  我々は,学術雑誌や会議論文から258件の査読論文を収集し,レビューした。 本研究の目的は、様々な領域における不均衡データの問題に対処するために用いられる手法の構造化されたレビューを提供することである。
  論文  参考訳（メタデータ） (2023-10-11T22:14:17Z)
• Unit Testing Challenges with Automated Marking [4.56877715768796]
  我々は,EdStemプラットフォームによる学習ツールとして,自動マーキングによるオンライン単体テストの課題を紹介した。 92名の参加者から,我々の単体テストの課題は,学生の参加とモチベーションを高めていることが示された。 これらの結果から,自動マーキングによるオンライン単体テストの課題が学生の学習体験全体を改善することが示唆された。
  論文  参考訳（メタデータ） (2023-10-10T04:52:44Z)
• Technical Challenges of Deploying Reinforcement Learning Agents for Game Testing in AAA Games [58.720142291102135]
  本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。 ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。 我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
  論文  参考訳（メタデータ） (2023-07-19T18:19:23Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Deep Apprenticeship Learning for Playing Games [0.0]
  複雑な多次元タスクのエキスパート行動に基づく学習モデルの設計の可能性について検討する。 本稿では,強化学習における教師あり学習技術に関する従来の研究をもとに,新しい見習い学習手法を提案する。 本手法は,アタリゲームからの映像フレームに適用し,人工エージェントによるゲームプレイの指導を行う。
  論文  参考訳（メタデータ） (2022-05-16T19:52:45Z)
• Software Testing for Machine Learning [13.021014899410684]
  機械学習は騙されやすいことが示され、エラーや致命的な失敗に至る。 この状況は、特に安全クリティカルな応用において機械学習が広く使われていることを疑問視している。 この要約では、機械学習のためのソフトウェアテストの現状について論じる。
  論文  参考訳（メタデータ） (2022-04-30T08:47:10Z)
• Combining Self-Training and Self-Supervised Learning for Unsupervised Disfluency Detection [80.68446022994492]
  本研究では,未ラベルテキストコーパスを扱える教師なし学習パラダイムについて検討する。 我々のモデルは、自己学習の考え方を拡張する半教師あり学習アプローチである、雑音学習(Noisy Student Training)に関する最近の研究に基づいている。
  論文  参考訳（メタデータ） (2020-10-29T05:29:26Z)
• Open Source Software for Efficient and Transparent Reviews [0.11179881480027788]
  ASReviewはオープンソースの機械学習支援パイプラインで、アクティブラーニングを適用している。 シミュレーションにより,ASReviewは手作業によるレビューよりもはるかに効率的なレビューを実現することができることを示す。
  論文  参考訳（メタデータ） (2020-06-22T11:57:10Z)
• Offline Reinforcement Learning: Tutorial, Review, and Perspectives on Open Problems [108.81683598693539]
  オフラインの強化学習アルゴリズムは、巨大なデータセットを強力な意思決定エンジンにできるという、大きな約束を持っています。 我々は,これらの課題,特に近代的な深層強化学習手法の文脈において,読者にこれらの課題を理解することを目的としている。
  論文  参考訳（メタデータ） (2020-05-04T17:00:15Z)

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。