論文の概要: Improving Data Transfer Efficiency for AIs in the DareFightingICE using gRPC

• arxiv url: http://arxiv.org/abs/2303.10001v1
• Date: Sat, 11 Mar 2023 05:12:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-25 03:35:52.000308
• Title: Improving Data Transfer Efficiency for AIs in the DareFightingICE using gRPC
• Title（参考訳）: gRPCを用いたDareFightingICEにおけるAIのデータ転送効率の改善
• Authors: Chollakorn Nimpattanavong, Ibrahim Khan, Thai Van Nguyen, Ruck Thawonmas, Worawat Choensawat, Kingkarn Sookhanaphibarn
• Abstract要約: 本稿では,Java ベースの格闘ゲームである DareFightingICE プラットフォーム用の新しいコミュニケーションインターフェースを提案する。 インターフェースは、オープンソースのリモートプロシージャコールであるgRPCを使用して、ゲームとAI間のデータ転送の効率を改善する。
• 参考スコア（独自算出の注目度）: 1.0928470926399563
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a new communication interface for the DareFightingICE platform, a Java-based fighting game focused on implementing AI for controlling a non-player character. The interface uses an open-source remote procedure call, gRPC to improve the efficiency of data transfer between the game and the AI, reducing the time spent on receiving information from the game server. This is important because the main challenge of implementing AI in a fighting game is the need for the AI to select an action to perform within a short response time. The DareFightingICE platform has been integrated with Py4J, allowing developers to create AIs using Python. However, Py4J is less efficient at handling large amounts of data, resulting in excessive latency. In contrast, gRPC is well-suited for transmitting large amounts of data. To evaluate the effectiveness of the new communication interface, we conducted an experiment comparing the latency of gRPC and Py4J, using a rule-based AI that sends a kick command regardless of the information received from the game server. The experiment results showed not only a 65\% reduction in latency but also improved stability and eliminated missed frames compared to the current interface.
• Abstract（参考訳）: 本稿では,非プレイヤーキャラクタの制御にAIを実装することに焦点を当てたJavaベースの格闘ゲームであるDareFightingICEプラットフォーム用の新しいコミュニケーションインターフェースを提案する。 インターフェースは、オープンソースのリモートプロシージャコールであるgRPCを使用して、ゲームとAI間のデータ転送の効率を改善し、ゲームサーバからの情報の受信に要する時間を短縮する。 ファイティングゲームでAIを実装する上で重要な課題は、AIが短時間のレスポンス時間で実行するアクションを選択する必要があることだ。 DareFightingICEプラットフォームはPy4Jに統合されており、開発者はPythonを使ってAIを作成できる。 しかし、Py4Jは大量のデータを扱うのが効率的ではないため、過度の遅延が発生する。 対照的に、gRPCは大量のデータを転送するのに適しています。 新たな通信インタフェースの有効性を評価するために,ゲームサーバから受信した情報に関係なくキックコマンドを送信するルールベースのAIを用いて,gRPCとPy4Jのレイテンシを比較する実験を行った。 実験の結果,65 %のレイテンシ低下だけでなく,安定性も向上し,現行のインタフェースと比較してフレームの欠落が解消された。

関連論文リスト

• The Partially Observable Off-Switch Game [7.567880819525154]
  さまざまな目標を達成すれば、AIがオフスイッチを無効にできる可能性がある。 非対称情報を用いた閉鎖問題のゲーム理論モデルであるPartially Observable Off-Switch Game (PO-OSG) を導入する。 最適なプレイでは、完全に合理的な人間を支援するAIエージェントでさえ、シャットダウンを避けることがある。
  論文  参考訳（メタデータ） (2024-11-25T14:09:48Z)
• Raising the Stakes: Performance Pressure Improves AI-Assisted Decision Making [57.53469908423318]
  日常の人が共通のAI支援タスクを完了すると、パフォーマンスプレッシャーがAIアドバイスへの依存に与える影響を示す。 利害関係が高い場合には、AIの説明の有無にかかわらず、利害関係が低い場合よりもAIアドバイスを適切に使用することが分かりました。
  論文  参考訳（メタデータ） (2024-10-21T22:39:52Z)
• Comparing Zealous and Restrained AI Recommendations in a Real-World Human-AI Collaboration Task [11.040918613968854]
  正確さとリコールのトレードオフを慎重に活用することで、チームのパフォーマンスが大幅に向上する、と私たちは主張する。 我々は、a)AIアシストなし、b)高精度な「制限された」AI、c)3,466時間以上のアノテーション作業で、78のプロのアノテータのパフォーマンスを分析する。
  論文  参考訳（メタデータ） (2024-10-06T23:19:19Z)
• DanZero+: Dominating the GuanDan Game through Reinforcement Learning [95.90682269990705]
  我々は、GuanDanという、非常に複雑で人気のあるカードゲームのためのAIプログラムを開発した。 私たちはまず、DanZeroという名のAIプログラムをこのゲームのために提案しました。 AIの能力をさらに強化するために、政策に基づく強化学習アルゴリズムをGuanDanに適用する。
  論文  参考訳（メタデータ） (2023-12-05T08:07:32Z)
• DanZero: Mastering GuanDan Game with Reinforcement Learning [121.93690719186412]
  カードゲームAIは、人工知能の研究において常にホットな話題となっている。 本稿では,より複雑なカードゲームであるGuanDanのためのAIプログラムの開発に専念する。 そこで我々は,強化学習技術を用いたGuanDanのためのAIプログラムDanZeroを提案する。
  論文  参考訳（メタデータ） (2022-10-31T06:29:08Z)
• CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
  現代自然言語理解モデルの能力をテストするベンチマークを構築した。 本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
  論文  参考訳（メタデータ） (2022-01-14T06:49:15Z)
• A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
  本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。 このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-09-27T09:56:23Z)
• Counter-Strike Deathmatch with Large-Scale Behavioural Cloning [34.22811814104069]
  本稿では,FPSゲーム『Counter-Strike; Global Offensive』を画素入力から再生するAIエージェントについて述べる。 ディープニューラルネットワークであるエージェントは、デスマッチゲームモードでのAI内蔵中難易度のパフォーマンスにマッチし、人間のようなプレイスタイルを採用しています。
  論文  参考訳（メタデータ） (2021-04-09T09:12:12Z)
• Using Graph Convolutional Networks and TD($\lambda$) to play the game of Risk [0.0]
  リスクは、大きなランダム性と大きなゲームツリーの複雑さを持つ6人のプレイヤーゲームである。 従来AIは、エージェントの決定を決定する高レベルの手作り機能の開発に重点を置いていた。 私は、時間差強化学習を用いてDeep Neural Networkを訓練するリスクエージェントD.A.Dを作成します。
  論文  参考訳（メタデータ） (2020-09-10T18:47:08Z)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)

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。