論文の概要: Genetic Algorithms for Evolution of QWOP Gaits
- arxiv url: http://arxiv.org/abs/2311.09234v1
- Date: Wed, 18 Oct 2023 12:53:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-19 14:05:27.613712
- Title: Genetic Algorithms for Evolution of QWOP Gaits
- Title(参考訳): QWOPゲットの進化のための遺伝的アルゴリズム
- Authors: Zachary Jones, Mohammad Al-Saad, Ankush Vavishta
- Abstract要約: QWOPはブラウザベースの2次元フラッシュゲームで、選手は100メートルの模擬レースに出場するオリンピックの陸上競技選手を制御する。
ゲームの目的は、走者の足の筋肉を制御するQ、W、O、Pキーを使用して、100メートルレースの終了までできるだけ早く走者を進めることである。
単純なコントロールと単純なゴールにもかかわらず、難易度と直感的なゲームプレイで有名である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: QWOP is a browser-based, 2-dimensional flash game in which the player
controls an Olympic sprinter competing in a simulated 100-meter race. The goal
of the game is to advance the runner to the end of the 100-meter race as
quickly as possible using the Q, W, O, and P keys, which control the muscles in
the sprinters legs. Despite the game simple controls and straightforward goal,
it is renowned for its difficulty and unintuitive gameplay. In this paper, we
attempt to automatically discover effective QWOP gaits. We describe a
programmatic interface developed to play the game, and we introduce several
variants of a genetic algorithm tailored to solve this problem. We present
experimental results on the effectiveness of various representations,
initialization strategies, evolution paradigms, and parameter control
mechanisms.
- Abstract(参考訳): qwopはブラウザベースの2次元フラッシュゲームで、プレイヤーは100メートルのシミュレートレースで競うオリンピックスプリント選手を制御する。
ゲームの目的は、走者の足の筋肉を制御するq、w、o、pキーを使用して、可能な限り100メートルのレースの終わりまで走者を前進させることである。
単純なコントロールと単純なゴールにもかかわらず、難易度と直感的なゲームプレイで有名である。
本稿では,有効なQWOP歩行を自動的に検出する。
ゲームプレイ用に開発されたプログラムインタフェースを記述し、この問題を解決するために最適化された遺伝的アルゴリズムのバリエーションをいくつか紹介する。
本稿では,様々な表現,初期化戦略,進化パラダイム,パラメータ制御機構の有効性に関する実験結果を示す。
関連論文リスト
- Reinforcement Learning for High-Level Strategic Control in Tower Defense Games [47.618236610219554]
戦略ゲームにおいて、ゲームデザインの最も重要な側面の1つは、プレイヤーにとっての挑戦の感覚を維持することである。
従来のスクリプティング手法と強化学習を組み合わせた自動手法を提案する。
その結果、強化学習のような学習アプローチとスクリプトAIを組み合わせることで、AIのみを使用するよりも高性能で堅牢なエージェントが生まれることが示された。
論文 参考訳(メタデータ) (2024-06-12T08:06:31Z) - Neural Population Learning beyond Symmetric Zero-sum Games [52.20454809055356]
我々はNuPL-JPSROという,スキルの伝達学習の恩恵を受けるニューラル集団学習アルゴリズムを導入し,ゲームの粗相関(CCE)に収束する。
本研究は, 均衡収束型集団学習を大規模かつ汎用的に実施可能であることを示す。
論文 参考訳(メタデータ) (2024-01-10T12:56:24Z) - Evolutionary Tabletop Game Design: A Case Study in the Risk Game [0.1474723404975345]
本研究は、テーブルトップゲームに対するアプローチの拡張を提案し、リスクの変種を生成することによってプロセスを評価する。
我々は、選択したパラメータを進化させる遺伝的アルゴリズムと、ゲームをテストするルールベースのエージェントを用いてこれを達成した。
結果は、より小さなマップを持つオリジナルゲームの新たなバリエーションが作成され、結果としてより短いマッチとなることを示している。
論文 参考訳(メタデータ) (2023-10-30T20:53:26Z) - Efficient Ground Vehicle Path Following in Game AI [77.34726150561087]
本稿では,ゲームAIに適した地上車両の効率的な追従経路を提案する。
提案したパスフォロワは,一対一シューティングゲームにおいて,様々なテストシナリオを通じて評価される。
その結果,既存の経路と比較すると,立ち往生するイベントの総数が70%減少した。
論文 参考訳(メタデータ) (2023-07-07T04:20:07Z) - Automated Graph Genetic Algorithm based Puzzle Validation for Faster
Game Desig [69.02688684221265]
本稿では,コンピュータゲームにおける論理パズルを効率的に解くための進化的アルゴリズムを提案する。
制約満足度問題に対するハイブリッド遺伝的アプローチの様々なバリエーションについて論じる。
論文 参考訳(メタデータ) (2023-02-17T18:15:33Z) - CCPT: Automatic Gameplay Testing and Validation with
Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。
CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
論文 参考訳(メタデータ) (2022-02-21T09:08:33Z) - Discovering Multi-Agent Auto-Curricula in Two-Player Zero-Sum Games [31.97631243571394]
明示的な人間設計なしに更新ルールの発見を自動化するフレームワークであるLMACを導入する。
意外なことに、人間のデザインがなくても、発見されたMARLアルゴリズムは競争力や性能が向上する。
LMAC は,例えば Kuhn Poker のトレーニングやPSRO の成績など,小型ゲームから大規模ゲームへの一般化が可能であることを示す。
論文 参考訳(メタデータ) (2021-06-04T22:30:25Z) - Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。
品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。
その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
論文 参考訳(メタデータ) (2021-04-17T20:33:24Z) - Inducing game rules from varying quality game play [0.0]
汎用ゲームプレイング(英: General Game Playing、GGP)は、人工知能プログラムが様々なゲームを成功させるために必要なフレームワークである。
IGGPは、特定のゲーム観測から一般的なゲームルールを誘導する問題である。
私たちは2014年のGGPコンテストの勝者であるSanchoを使って、多くのゲームでインテリジェントなゲームトレースを生成しています。
次に、ILPシステム、Metagol、Aleph、ILASPを使用して、トレースからゲームルールを誘導する。
論文 参考訳(メタデータ) (2020-08-04T15:46:57Z) - Strategies for Using Proximal Policy Optimization in Mobile Puzzle Games [0.0]
本研究は, カジュアルなモバイルパズルゲームにおいて, 人気のRL手法であるPPO(Proximal Policy Optimization)の適用戦略を調査し, 評価する。
我々は,現実のモバイルパズルゲームに対して,さまざまな戦略を実装し,テストしてきた。
このゲームジャンルにおけるアルゴリズムのより安定した動作を保証するためのいくつかの戦略を特定した。
論文 参考訳(メタデータ) (2020-07-03T08:03:45Z) - Evolutionary Approach to Collectible Card Game Arena Deckbuilding using
Active Genes [1.027974860479791]
アリーナゲームモードでは、各試合に先立って、プレイヤーは以前知らなかった選択肢から1枚ずつデッキ選択カードを組み立てなければならない。
そこで本研究では,遺伝子型の世代別サブシーケンスのみに対する演算子の範囲を減らすために,活性遺伝子の概念を用いた進化的アルゴリズムの変種を提案する。
論文 参考訳(メタデータ) (2020-01-05T22:46:08Z)
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。