論文の概要: Stimulating student engagement with an AI board game tournament
- arxiv url: http://arxiv.org/abs/2304.11376v1
- Date: Sat, 22 Apr 2023 11:22:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 18:48:22.169460
- Title: Stimulating student engagement with an AI board game tournament
- Title（参考訳）: AIボードゲームトーナメントで学生のエンゲージメントを刺激する
- Authors: Ken Hasselmann, Quentin Lurkin
- Abstract要約: 本稿では,2年生にボードゲームに適用した検索手法の紹介を行うプロジェクトベース・コンペティションベースの学士課程について紹介する。
2人のグループがネットワークプログラミングとAIメソッドを使用して、今年のボードゲームトーナメントに出場するためにAIエージェントを構築する必要があります。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Strong foundations in basic AI techniques are key to understanding more
advanced concepts. We believe that introducing AI techniques, such as search
methods, early in higher education helps create a deeper understanding of the
concepts seen later in more advanced AI and algorithms courses. We present a
project-based and competition-based bachelor course that gives second-year
students an introduction to search methods applied to board games. In groups of
two, students have to use network programming and AI methods to build an AI
agent to compete in a board game tournament-othello was this year's game.
Students are evaluated based on the quality of their projects and on their
performance during the final tournament. We believe that the introduction of
gamification, in the form of competition-based learning, allows for a better
learning experience for the students.
- Abstract（参考訳）: 基本的なAIテクニックの強力な基盤は、より高度な概念を理解するための鍵となる。
先進的なAIやアルゴリズムのコースで後から見られる概念をより深く理解する上で,検索手法などのAI技術の導入が有効だと考えています。
我々は,2年生にボードゲームに適用する検索方法を紹介するプロジェクトベースかつコンペティションベースの独身コースを提案する。
2人のグループがネットワークプログラミングとAIメソッドを使用して、今年のボードゲームトーナメントに出場するためにAIエージェントを構築する必要があります。
学生は、プロジェクトの品質と最終トーナメントでの成績に基づいて評価される。
ゲーミフィケーションの導入は、競争ベースの学習という形で、学生にとってより良い学習体験をもたらすと信じている。
関連論文リスト
- 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) - 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) - 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) - Retrospective on the 2021 BASALT Competition on Learning from Human
Feedback [92.37243979045817]
競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。
LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。
チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-04-14T17:24:54Z) - AI in Games: Techniques, Challenges and Opportunities [40.86375378643978]
Libratus、OpenAI Five、AlphaStarといった様々なゲームAIシステムが開発され、プロの人間プレイヤーに勝っている。
本稿では,最近成功したゲームAI,ボードゲームAI,カードゲームAI,ファーストパーソンシューティングゲームAI,リアルタイム戦略ゲームAIについて調査する。
論文 参考訳（メタデータ） (2021-11-15T09:35:53Z) - Teaching Fairness, Accountability, Confidentiality, and Transparency in
Artificial Intelligence through the Lens of Reproducibility [38.87910190291545]
本稿では,アムステルダム大学における,公正性,説明責任性,信頼度,人工知能の透明性(FACT-AI)に関する技術的,大学院レベルのコースのセットアップについて説明する。
コースの焦点は、トップAIカンファレンスの既存のFACT-AIアルゴリズムに基づいたグループプロジェクトであり、彼らの経験に関するレポートを書くことである。
論文 参考訳（メタデータ） (2021-11-01T10:58:35Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z) - ColorShapeLinks: A board game AI competition for educators and students [0.0]
ColorShapeLinksは、ゲーム開発における学生や教育者向けに特別に設計されたAIボードゲームコンペティションフレームワークである。
これは、AIクラスの内部コンペティションの実行や、IEEE Conference on Gamesでの国際AIコンペティションの開催に成功した。
論文 参考訳（メタデータ） (2020-12-16T15:21:29Z) - A Game AI Competition to foster Collaborative AI research and
development [5.682875185620577]
我々はGeometry Friends Game AIコンペティションを開催する。
ゲームの概念は単純だが、その解決は難しいことが証明されている。
コンペティションとそれがもたらす課題について議論し、現在のソリューションの概要を示す。
論文 参考訳（メタデータ） (2020-10-17T23:03:06Z) - Learning from Learners: Adapting Reinforcement Learning Agents to be
Competitive in a Card Game [71.24825724518847]
本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。
本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
論文 参考訳（メタデータ） (2020-04-08T14:11:05Z)
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。