論文の概要: EvolvingBehavior: Towards Co-Creative Evolution of Behavior Trees for
Game NPCs
- arxiv url: http://arxiv.org/abs/2209.01020v1
- Date: Thu, 1 Sep 2022 17:44:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-05 11:55:38.361717
- Title: EvolvingBehavior: Towards Co-Creative Evolution of Behavior Trees for
Game NPCs
- Title(参考訳): Evolving Behavior:ゲームNPCのための行動ツリーの協調的進化を目指して
- Authors: Nathan Partlan, Luis Soto, Jim Howe, Sarthak Shrivastava, Magy Seif
El-Nasr, Stacy Marsella
- Abstract要約: 提案するEvolvingBehaviorは,Unreal Engine 4の動作木を進化させる遺伝的プログラミングツールである。
最初の評価では、3Dサバイバルゲームにおいて、進化した振る舞いを、研究者が設計した手作りの木とランダムに成長した木と比較した。
- 参考スコア(独自算出の注目度): 10.278496287402938
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To assist game developers in crafting game NPCs, we present EvolvingBehavior,
a novel tool for genetic programming to evolve behavior trees in Unreal Engine
4. In an initial evaluation, we compare evolved behavior to hand-crafted trees
designed by our researchers, and to randomly-grown trees, in a 3D survival
game. We find that EvolvingBehavior is capable of producing behavior
approaching the designer's goals in this context. Finally, we discuss
implications and future avenues of exploration for co-creative game AI design
tools, as well as challenges and difficulties in behavior tree evolution.
- Abstract(参考訳): ゲーム開発者がゲームnpcを作成するのを支援するために、unreal engine 4の振る舞いツリーを進化させる遺伝的プログラミングのための新しいツールであるevolutioningbehaviorを提案する。
最初の評価では、3Dサバイバルゲームにおいて、進化した振る舞いを、研究者が設計した手作りの木とランダムに成長した木と比較した。
EvolvingBehaviorは、このコンテキストでデザイナの目標に近づく行動を生成することができる。
最後に,共同創造型ゲームai設計ツールの意義と今後の展望,および行動木進化における課題と課題について考察する。
関連論文リスト
- Toward Human-AI Alignment in Large-Scale Multi-Player Games [25.851632651607915]
我々はXboxのBleeding Edge(100K+ゲーム)から広範囲にわたる人間のゲームプレイデータを解析する。
人間のプレイヤーは、戦闘飛行や探索飛行行動において多様性を示す一方で、AIプレイヤーは均一性に向かう傾向にある。
これらの大きな違いは、ヒューマンアラインアプリケーションにおけるAIの解釈可能な評価、設計、統合の必要性を浮き彫りにしている。
論文 参考訳(メタデータ) (2024-02-05T22:55:33Z) - Beyond Reality: The Pivotal Role of Generative AI in the Metaverse [98.1561456565877]
本稿では、生成型AI技術がMetaverseをどう形成しているかを包括的に調査する。
我々は、AI生成文字による会話インタフェースを強化しているChatGPTやGPT-3といったテキスト生成モデルの応用を探求する。
また、現実的な仮想オブジェクトを作成する上で、Point-EやLumimithmicのような3Dモデル生成技術の可能性についても検討する。
論文 参考訳(メタデータ) (2023-07-28T05:44:20Z) - Designing Mixed-Initiative Video Games [0.0]
スネークストーリー(Snake Story)は、ゲームのように「スネーク」をプレイすることで、プレイヤーがAI生成したテキストを選択してヘビのストーリーを書くことができる混合開始型ゲームである。
ゲームコンポーネントを設計したインタフェースで使用せずにプレイヤとAIのインタラクションのダイナミクスを調べるために,制御された実験を行った。
論文 参考訳(メタデータ) (2023-07-08T01:45:25Z) - Generative Personas That Behave and Experience Like Humans [3.611888922173257]
生成AIエージェントは、ルール、報酬、または人間のデモンストレーションとして表される特定の演奏行動の模倣を試みる。
我々は、行動手続き的ペルソナの概念をプレイヤー体験に適応させるよう拡張し、プレイヤーが人間のように行動し、経験できる生成エージェントを調べる。
その結果, 生成したエージェントは, 模倣を意図した人物のプレイスタイルや経験的反応を呈することが示唆された。
論文 参考訳(メタデータ) (2022-08-26T12:04:53Z) - Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。
提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
論文 参考訳(メタデータ) (2022-08-22T14:06:06Z) - Mimicking Playstyle by Adapting Parameterized Behavior Trees in RTS
Games [0.0]
行動木(BT)は、ゲームにおける人工知能(AI)の分野に影響を与えた。
BTは手作りのBTの複雑さをほとんど難なくし、エラーを起こしやすくした。
この分野の最近のトレンドはAIエージェントの自動作成に焦点を当てている。
本稿では,人間のゲームプレイを模倣し一般化する,AIエージェントの半自動構築手法を提案する。
論文 参考訳(メタデータ) (2021-11-23T20:36:28Z) - Human-Level Reinforcement Learning through Theory-Based Modeling,
Exploration, and Planning [27.593497502386143]
理論に基づく強化学習は、人間のような直感的な理論を使って環境を探索しモデル化する。
EMPAと呼ばれるゲームプレイエージェントのアプローチをインスタンス化する。
EMPAは90のAtariスタイルのビデオゲームで人間の学習効率と一致します。
論文 参考訳(メタデータ) (2021-07-27T01:38:13Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳(メタデータ) (2021-02-24T14:58:23Z) - Teach me to play, gamer! Imitative learning in computer games via
linguistic description of complex phenomena and decision tree [55.41644538483948]
本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。
この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
論文 参考訳(メタデータ) (2021-01-06T21:14:10Z) - Deep Policy Networks for NPC Behaviors that Adapt to Changing Design
Parameters in Roguelike Games [137.86426963572214]
例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。
複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-12-07T08:47:25Z) - Learning to Simulate Dynamic Environments with GameGAN [109.25308647431952]
本稿では,エージェントが環境と対話するのを見ることでシミュレーターを学習することを目的とする。
ゲームGANは,学習中にスクリーンプレイやキーボード操作を取り入れることで,所望のゲームを視覚的に模倣することを学習する生成モデルである。
論文 参考訳(メタデータ) (2020-05-25T14:10:17Z)
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。