論文の概要: Improving Dribbling, Passing, and Marking Actions in Soccer Simulation 2D Games Using Machine Learning

• arxiv url: http://arxiv.org/abs/2401.03406v1
• Date: Sun, 7 Jan 2024 07:54:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-09 19:01:51.628835
• Title: Improving Dribbling, Passing, and Marking Actions in Soccer Simulation 2D Games Using Machine Learning
• Title（参考訳）: 機械学習によるサッカーシミュレーション2dゲームにおけるドリブル、パス、マーキング動作の改善
• Authors: Nader Zare, Omid Amini, Aref Sayareh, Mahtab Sarvmaili, Arad Firouzkouhi, Stan Matwin, Amilcar Soares
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.350850682297813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The RoboCup competition was started in 1997, and is known as the oldest RoboCup league. The RoboCup 2D Soccer Simulation League is a stochastic, partially observable soccer environment in which 24 autonomous agents play on two opposing teams. In this paper, we detail the main strategies and functionalities of CYRUS, the RoboCup 2021 2D Soccer Simulation League champions. The new functionalities presented and discussed in this work are (i) Multi Action Dribble, (ii) Pass Prediction and (iii) Marking Decision. The Multi Action Dribbling strategy enabled CYRUS to succeed more often and to be safer when dribbling actions were performed during a game. The Pass Prediction enhanced our gameplay by predicting our teammate's passing behavior, anticipating and making our agents collaborate better towards scoring goals. Finally, the Marking Decision addressed the multi-agent matching problem to improve CYRUS defensive strategy by finding an optimal solution to mark opponents' players.
• Abstract（参考訳）: 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。 robocup 2d soccer simulation leagueは、24人の自律エージェントが対戦する2つのチームでプレーする、確率的で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。 この研究で紹介され議論された新しい機能は (i)マルチアクションドリブル (ii)予測を通す、及び (iii) マーク決定。 マルチアクションドリブル戦略により、CYRUSはより頻繁に成功し、ゲーム中にドリブルアクションが行われたときより安全になった。 Pass Predictionは、チームメイトのパス行動を予測し、エージェントを目標達成に向けてよりうまくコラボレーションさせることで、ゲームプレイを強化しました。 最後に、マーキング決定はマルチエージェントマッチング問題に対処し、対戦相手のプレイヤーをマークするための最適解を見つけることでCYRUS防御戦略を改善する。

関連論文リスト

• 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)
• 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)
• Observation Denoising in CYRUS Soccer Simulation 2D Team For RoboCup 2023 [7.658318240235567]
  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。
  論文  参考訳（メタデータ） (2023-05-27T20:46:33Z)
• Mastering the Game of No-Press Diplomacy via Human-Regularized Reinforcement Learning and Planning [95.78031053296513]
  ノープレス外交(No-press Diplomacy)は、協力と競争の両方を含む複雑な戦略ゲームである。 我々は、人間の模倣学習ポリシーに対する報酬最大化ポリシーを規則化する、DiL-piKLと呼ばれる計画アルゴリズムを導入する。 RL-DiL-piKLと呼ばれる自己再生強化学習アルゴリズムに拡張可能であることを示す。
  論文  参考訳（メタデータ） (2022-10-11T14:47:35Z)
• Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot [76.04391023228081]
  本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。 本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。 提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
  論文  参考訳（メタデータ） (2022-08-01T22:34:51Z)
• Provably Efficient Fictitious Play Policy Optimization for Zero-Sum Markov Games with Structured Transitions [145.54544979467872]
  本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。 我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。 提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
  論文  参考訳（メタデータ） (2022-07-25T18:29:16Z)
• 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)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Efficient Policy Space Response Oracles [61.71849698253696]
  ポリシー空間応答 Oracle 法 (PSRO) は、2プレイヤーゼロサムゲームにおけるナッシュ均衡の一般解を提供する。 我々の開発の中心は、制限なし(URR)ゲームにおけるミニマックス最適化の導入である。 壁面時間, 10倍のデータ効率, および既存のPSRO法と同様のエクスプロイザビリティを, Kuhn と Leduc Poker のゲームで50倍高速化したことを報告した。
  論文  参考訳（メタデータ） (2022-01-28T17:54:45Z)
• 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)
• An analysis of Reinforcement Learning applied to Coach task in IEEE Very Small Size Soccer [2.5400028272658144]
  本稿では、強化学習(RL)に基づくコーチングタスクのエンドツーエンドアプローチを提案する。 シミュレーション環境では、3つの異なるチームに対して2つのRLポリシーをトレーニングしました。 結果はVSSSリーグのトップチームの1つに対して評価された。
  論文  参考訳（メタデータ） (2020-11-23T23:10:06Z)

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。

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。