論文の概要: The NeurIPS 2022 Neural MMO Challenge: A Massively Multiagent Competition with Specialization and Trade

• arxiv url: http://arxiv.org/abs/2311.03707v1
• Date: Tue, 7 Nov 2023 04:14:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 17:05:04.184710
• Title: The NeurIPS 2022 Neural MMO Challenge: A Massively Multiagent Competition with Specialization and Trade
• Title（参考訳）: NeurIPS 2022 Neural MMO Challenge: 専門化と貿易を兼ね備えた大規模マルチエージェントコンペティション
• Authors: Enhong Liu, Joseph Suarez, Chenhui You, Bo Wu, Bingcheng Chen, Jun Hu, Jiaxin Chen, Xiaolong Zhu, Clare Zhu, Julian Togelius, Sharada Mohanty, Weijun Hong, Rui Du, Yibing Zhang, Qinwen Wang, Xinhang Li, Zheng Yuan, Xiang Li, Yuejia Huang, Kun Zhang, Hanhui Yang, Shiqi Tang, Phillip Isola
• Abstract要約: NeurIPS-2022 Neural MMO Challengeには500人が参加し、1,600以上の応募があった。 今年の競技は最新のv1.6 Neural MMOで行われ、新しい装備、戦闘、取引、より良いスコアシステムが導入されている。 本稿では,課題の設計と成果を要約し,学習方法のベンチマークとして,この環境の可能性について考察する。
• 参考スコア（独自算出の注目度）: 41.639843908635875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present the results of the NeurIPS-2022 Neural MMO Challenge, which attracted 500 participants and received over 1,600 submissions. Like the previous IJCAI-2022 Neural MMO Challenge, it involved agents from 16 populations surviving in procedurally generated worlds by collecting resources and defeating opponents. This year's competition runs on the latest v1.6 Neural MMO, which introduces new equipment, combat, trading, and a better scoring system. These elements combine to pose additional robustness and generalization challenges not present in previous competitions. This paper summarizes the design and results of the challenge, explores the potential of this environment as a benchmark for learning methods, and presents some practical reinforcement learning training approaches for complex tasks with sparse rewards. Additionally, we have open-sourced our baselines, including environment wrappers, benchmarks, and visualization tools for future research.
• Abstract（参考訳）: 本稿では,500人が参加して1,600件以上の応募を受けたNeurIPS-2022 Neural MMO Challengeの結果を報告する。 以前のIJCAI-2022 Neural MMO Challengeと同様に、プロシージャ的に生成された世界に生き残った16人のエージェントがリソースを集め、相手を倒すことで参加した。 今年の競技は最新のv1.6 Neural MMOで行われ、新しい装備、戦闘、取引、より良いスコアシステムが導入されている。 これらの要素が組み合わさって、以前の競争には存在しないさらなる堅牢性と一般化の課題が生じる。 本稿では,課題の設計と成果を要約し,学習方法のベンチマークとして,この環境の可能性を探究し,少ない報酬を伴う複雑なタスクに対する実践的な強化学習手法を提案する。 さらに、環境ラッパー、ベンチマーク、将来の研究のための可視化ツールなど、ベースラインをオープンソース化しました。

関連論文リスト

• Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
  第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。 合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
  論文  参考訳（メタデータ） (2024-07-20T10:13:54Z)
• Neural MMO 2.0: A Massively Multi-task Addition to Massively Multi-agent Learning [36.03451274861878]
  ニューラルMMO 2.0は強化学習研究のための大規模マルチエージェント環境である。 フレキシブルなタスクシステムを備えており、ユーザーは幅広い目的や報酬のシグナルを定義できる。 バージョン2.0は前バージョンを完全に書き直したもので、3倍の性能改善とCleanRLとの互換性がある。
  論文  参考訳（メタデータ） (2023-11-07T05:36:39Z)
• Benchmarking Robustness and Generalization in Multi-Agent Systems: A Case Study on Neural MMO [50.58083807719749]
  IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。 この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。 環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
  論文  参考訳（メタデータ） (2023-08-30T07:16:11Z)
• ICDAR 2023 Competition on Hierarchical Text Detection and Recognition [60.68100769639923]
  このコンペティションは、テキストの検出と認識を共同で行うディープラーニングモデルとシステムの研究を促進することを目的としている。 提案するコンペティション組織の詳細について,タスク,データセット,評価,スケジュールなどを紹介する。 大会期間中(2023年1月2日から2023年4月1日まで)、20チーム以上から少なくとも50人が提案された2つのタスクで応募された。
  論文  参考訳（メタデータ） (2023-05-16T18:56:12Z)
• Lessons learned from the NeurIPS 2021 MetaDL challenge: Backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification [40.901760230639496]
  本稿では,MetaDLコンペティションシリーズの設計,データセット,最良の実験結果,NeurIPS 2021チャレンジにおける最上位の手法について述べる。 トップ参加者のソリューションがオープンソース化された。
  論文  参考訳（メタデータ） (2022-06-15T10:27:23Z)
• 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)
• The Graph Neural Networking Challenge: A Worldwide Competition for Education in AI/ML for Networks [3.312457624805193]
  国際通信連合(ITU)は、オープングローバルな競争である「ITU AI/ML in 5G Challenge」を組織した。 本稿では,提案する課題の1つ,「グラフニューラルネットワークチャレンジ2020」を整理した経験を紹介する。 結果として、この課題は、このトピックに関心のある人なら誰でも、オープンに利用できる教育リソースの、キュレートされたセットを残している。
  論文  参考訳（メタデータ） (2021-07-26T18:52:00Z)
• The MineRL 2020 Competition on Sample Efficient Reinforcement Learning using Human Priors [62.9301667732188]
  我々は,MineRLコンペティションの第2イテレーションを提案する。 競争の主な目標は、人間のデモンストレーションを効率的に活用できるアルゴリズムの開発を促進することです。 コンペティションは、データセットと環境のペアバージョンが複数提供される2ラウンドで構成されている。 各ラウンドの終わりに、競合他社はコンテナ化された学習アルゴリズムをaicrowdプラットフォームに提出する。
  論文  参考訳（メタデータ） (2021-01-26T20:32:30Z)

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。