論文の概要: Evolutionary Machine Learning and Games
- arxiv url: http://arxiv.org/abs/2311.16172v1
- Date: Mon, 20 Nov 2023 13:21:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-03 13:05:59.387483
- Title: Evolutionary Machine Learning and Games
- Title(参考訳): 進化的機械学習とゲーム
- Authors: Julian Togelius, Ahmed Khalifa, Sam Earle, Michael Cerny Green, Lisa
Soros
- Abstract要約: この章は、進化が機械学習(ML)の強化に使用されるか、進化を増強するためにMLが使用されるかに基づいて、ゲーム向けに構成する。
完全性については、ゲーム内でMLと進化を別々に使用することについても、簡潔に論じる。
- 参考スコア(独自算出の注目度): 2.742755573637173
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolutionary machine learning (EML) has been applied to games in multiple
ways, and for multiple different purposes. Importantly, AI research in games is
not only about playing games; it is also about generating game content,
modeling players, and many other applications. Many of these applications pose
interesting problems for EML. We will structure this chapter on EML for games
based on whether evolution is used to augment machine learning (ML) or ML is
used to augment evolution. For completeness, we also briefly discuss the usage
of ML and evolution separately in games.
- Abstract(参考訳): 進化的機械学習(EML)は、様々な目的のために、様々な方法でゲームに適用されている。
重要なのは、ゲームにおけるAI研究はゲームだけでなく、ゲームコンテンツ、モデリングプレイヤー、その他多くのアプリケーションを生成することである。
これらのアプリケーションの多くは、emlに興味深い問題をもたらします。
進化が機械学習(ML)の強化に使用されるか、進化の増強にMLが使用されるかに基づいて、ゲーム用EMLのこの章を構築します。
完全性については、ゲーム内でMLと進化を別々に使用することについても簡単に論じる。
関連論文リスト
- Holistic Autonomous Driving Understanding by Bird's-Eye-View Injected
Multi-Modal Large Models [76.99140362751787]
我々は17のサブタスクで91Kのマルチビュービデオ-QAペアを持つ新しいデータセットであるNuInstructを提案する。
また,BirdのEye-View特徴を効率的に抽出するエンドツーエンド手法であるBEV-InMLLMを提案する。
論文 参考訳(メタデータ) (2024-01-02T01:54:22Z) - Octavius: Mitigating Task Interference in MLLMs via LoRA-MoE [85.76186554492543]
LLM(Large Language Models)は、命令チューニングを通じて、ゼロショット能力をマルチモーダル学習に拡張することができる。
ネガティブな対立や干渉は パフォーマンスに悪影響を及ぼすかもしれない
我々は,MLLMを用いたマルチモーダル学習に関する総合的な研究と実験を行うための,Octaviusと呼ばれる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-05T15:48:29Z) - A Survey on Multimodal Large Language Models [56.754753799607585]
マルチモーダル言語モデル(MLLM)は、マルチモーダルタスクを実行するために、脳として強力な大規模言語モデルを使用する。
MLLMの驚くべき創発的能力、例えば画像に基づくストーリーの作成やOCRのない数学推論は、伝統的な手法ではまれである。
論文 参考訳(メタデータ) (2023-06-23T15:21:52Z) - SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。
実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。
我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
論文 参考訳(メタデータ) (2023-05-24T18:14:35Z) - Multi-Game Decision Transformers [49.257185338595434]
そこで本研究では,1つのトランスフォーマーモデルを用いて,最大46個のAtariゲーム群を,人間に近いパフォーマンスで同時にプレイ可能であることを示す。
オンラインやオフラインのRL手法や行動クローンなど,マルチゲーム設定におけるいくつかのアプローチを比較した。
マルチゲーム決定変換モデルは、最高のスケーラビリティとパフォーマンスを提供します。
論文 参考訳(メタデータ) (2022-05-30T16:55:38Z) - Does Explainable Machine Learning Uncover the Black Box in Vision
Applications? [1.0660480034605242]
説明可能なMLの背景にある現在の哲学は、一定の限界に悩まされていると我々は主張する。
また、より厳格な原則に頼ることで、MLにおける説明力がどのように役立つかという視点も提供します。
論文 参考訳(メタデータ) (2021-12-18T10:37:52Z) - Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。
また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文 参考訳(メタデータ) (2021-08-17T17:44:38Z) - Declarative Machine Learning Systems [7.5717114708721045]
機械学習(ML)は、学術的な取り組みから、コンピューティングのほぼすべての側面で採用されている普及した技術へと移行してきた。
近年の自然科学におけるMLの適用の成功により、MLは人類が直面する最も困難な現実世界問題に対処するために利用できることが明らかとなった。
MLシステムの次の波は、おそらくコーディングスキルなしで、より多くの人が同じタスクを実行できると信じています。
論文 参考訳(メタデータ) (2021-07-16T23:57:57Z) - ML-Quest: A Game for Introducing Machine Learning Concepts to K-12
Students [2.2559617939136505]
3つの機械学習(ML)概念の概念的概要を提供する3DビデオゲームであるML-Questを提案する。
このゲームは,TAM(Technology Acceptance Model)モデルを用いて,その有用性とプレイヤエクスペリエンスについて,主に評価されている。
参加者の約70%はML-Questに同意するか、あるいは強く同意している。
論文 参考訳(メタデータ) (2021-07-13T16:05:01Z) - PettingZoo: Gym for Multi-Agent Reinforcement Learning [1.766396559314054]
PettingZooは、汎用的でエレガントなPython APIを備えた、多様なマルチエージェント環境のライブラリである。
PettingZooは、マルチエージェント強化学習における研究の加速を目的として開発された。
我々は、MARL環境における主要な問題に関するケーススタディを通じて、人気のあるゲームモデルは、MARLで一般的に使用されるゲームのコンセプトモデルが貧弱であると主張している。
論文 参考訳(メタデータ) (2020-09-30T06:42:09Z) - Towards Game Design via Creative Machine Learning (GDCML) [5.33024001730262]
我々は、ゲームのためのコンテンツデザインにこのような創造的手法を活用・再利用し、クリエイティブML(GDCML)によるゲームデザインのアプローチとして言及する。
我々は、GDCMLを可能にする既存のシステムを強調し、サンプルアプリケーションと提案システムを介して、クリエイティブMLがいかに新しいシステムに通知できるかを説明する。
論文 参考訳(メタデータ) (2020-07-25T21:15:55Z)
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。