Fugu-MT 論文翻訳(概要): Observation Denoising in CYRUS Soccer Simulation 2D Team For RoboCup 2023

論文の概要: Observation Denoising in CYRUS Soccer Simulation 2D Team For RoboCup 2023

arxiv url: http://arxiv.org/abs/2305.19283v1
Date: Sat, 27 May 2023 20:46:33 GMT
ステータス: 処理完了
システム内更新日: 2023-06-01 20:23:39.112183
Title: Observation Denoising in CYRUS Soccer Simulation 2D Team For RoboCup 2023
Title（参考訳）: CYRUSサッカーシミュレーション2DチームによるRoboCup 2023の観測
Authors: Aref Sayareh, Nader Zare, Omid Amini, Arad Firouzkouhi, Mahtab Sarvmaili, Stan Matwin
Abstract要約: 本稿では,RoboCup 2021のチャンピオンであるCYRUSサッカーシミュレーション2Dチームの最新の研究について述べる。長寿命メモリネットワーク(LSTM)とディープニューラルネットワーク(DNN)を利用した私たちの認知的アイデアについて説明する。
参考スコア（独自算出の注目度）: 7.658318240235567
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: The RoboCup competitions hold various leagues, and the Soccer Simulation 2D League is a major one among them. Soccer Simulation 2D (SS2D) match involves two teams, including 11 players and a coach, competing against each other. The players can only communicate with the Soccer Simulation Server during the game. This paper presents the latest research of the CYRUS soccer simulation 2D team, the champion of RoboCup 2021. We will explain our denoising idea powered by long short-term memory networks (LSTM) and deep neural networks (DNN). The CYRUS team uses the CYRUS2D base code that was developed based on the Helios and Gliders bases.
Abstract（参考訳）: ロボカップでは様々なリーグが開催され、サッカー・シミュレーション2Dリーグが主要なリーグである。サッカーシミュレーション2D (SS2D) は、11人の選手と1人のコーチを含む2つのチームが対戦する。プレイヤーは試合中にサッカーシミュレーションサーバとしか通信できない。本稿では,RoboCup 2021のチャンピオンであるCYRUSサッカーシミュレーション2Dチームの最新の研究について述べる。長い短期記憶ネットワーク (LSTM) とディープニューラルネットワーク (DNN) をベースとした私たちの認知的アイデアを説明する。 CYRUSチームはHeliosとGlidersをベースに開発されたCYRUS2Dベースコードを使っている。

関連論文リスト

SoccerNet 2024 Challenges Results [152.8534707514927]
SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。今年は、4つのビジョンベースのタスクが課題となっている。
論文参考訳（メタデータ） (2024-09-16T14:12:22Z)
SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
論文参考訳（メタデータ） (2024-04-17T12:53:45Z)
Engineering Features to Improve Pass Prediction in Soccer Simulation 2D Games [0.0]
サッカーシミュレーション2D(英: Soccer Simulation 2D)は、2次元の実際のサッカーゲームのシミュレーションである。我々は,Deep Neural Networks (DNN) とRandom Forest (RF) を用いたサッカー2Dプレーヤーのパス動作のモデル化を試みた。 RoboCup 2019の6つのトップチームに対して、トレーニングされたモデルのパフォーマンスを評価する。
論文参考訳（メタデータ） (2024-01-07T08:01:25Z)
Improving Dribbling, Passing, and Marking Actions in Soccer Simulation 2D Games Using Machine Learning [4.350850682297813]
ロボカップの競技会は1997年に始まり、最古のロボカップリーグとして知られている。ロボカップ2Dサッカーシミュレーションリーグ(RoboCup 2D Soccer Simulation League)は、24人の自律的なエージェントが2つのチームでプレーする、部分的に観察可能なサッカー環境である。本稿では, CYRUS(RoboCup 2021 2D Soccer Simulation Leagueのチャンピオン)の主な戦略と機能について述べる。
論文参考訳（メタデータ） (2024-01-07T07:54:26Z)
Denoising Opponents Position in Partial Observation Environment [0.4660328753262075]
サッカーシミュレーション2D (SS2D) では、11人の選手と1人のコーチを含む2チームが対戦する。我々は,Long Short-Term Memory Model (LSTM) とDeep Neural Networks (DNN) を用いた位置予測のアイデアを説明する。
論文参考訳（メタデータ） (2023-10-23T04:16:52Z)
Pyrus Base: An Open Source Python Framework for the RoboCup 2D Soccer Simulation [9.305564694066934]
サッカーシミュレーション2D(英語: Soccer Simulation 2D、SS2D)は、RoboCupコンペティションで始まったリーグの1つである。全てのSS2Dゲームでは、11人のプレーヤーと1人のコーチからなる2つのチームがロボカップサッカーシミュレーションサーバに接続し、互いに競い合う。 SS2Dの最初のPythonベースコードであるPyrusを紹介します。
論文参考訳（メタデータ） (2023-07-22T01:30:25Z)
CYRUS Soccer Simulation 2D Team Description Paper 2022 [8.86121279277966]
本稿では,CYRUSサッカーシミュレーションチームの前回および現在の研究を紹介する。本稿では,Pass Prediction Deep Neural Network を用いたアンマーク決定と位置決めの改善について述べる。
論文参考訳（メタデータ） (2022-05-22T23:16:37Z)
SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文参考訳（メタデータ） (2022-04-14T12:22:12Z)
Megaverse: Simulating Embodied Agents at One Million Experiences per Second [75.1191260838366]
私たちは、強化学習と具体化AI研究のための新しい3DシミュレーションプラットフォームであるMegaverseを紹介します。 MegaverseはDeepMind Labより最大70倍速い。私たちはMegaverseを使って、複数の単一エージェントタスクとマルチエージェントタスクからなる新しいベンチマークを構築します。
論文参考訳（メタデータ） (2021-07-17T03:16:25Z)
Evaluating and Rewarding Teamwork Using Cooperative Game Abstractions [103.3630903577951]
我々は、協調ゲーム理論を用いて、プロスポーツから、人工RLエージェントのチームと現実世界のチームを研究する。データからCFを推定するための協調ゲーム抽象化(CGA)と呼ばれるパラメトリックモデルを導入する。 CGAモデルに対する識別結果とサンプル境界の複雑さと、CGAを用いたShapley値の推定における誤差境界を提供する。
論文参考訳（メタデータ） (2020-06-16T22:03:36Z)
AirSim Drone Racing Lab [56.68291351736057]
AirSim Drone Racing Labは、この領域で機械学習研究を可能にするシミュレーションフレームワークである。本フレームワークは,複数の写真リアル環境下でのレーストラック生成を可能にする。当社のフレームワークを使用して,NeurIPS 2019で,シミュレーションベースのドローンレースコンペティションを開催しました。
論文参考訳（メタデータ） (2020-03-12T08:06:06Z)

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。