論文の概要: Game Agent Driven by Free-Form Text Command: Using LLM-based Code
Generation and Behavior Branch
- arxiv url: http://arxiv.org/abs/2402.07442v1
- Date: Mon, 12 Feb 2024 06:49:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 15:19:19.595082
- Title: Game Agent Driven by Free-Form Text Command: Using LLM-based Code
Generation and Behavior Branch
- Title（参考訳）: フリーフォームテキストコマンドによるゲームエージェント:LLMに基づくコード生成と行動分岐を用いて
- Authors: Ray Ito, Junichiro Takahashi
- Abstract要約: 本稿では,自由形式で表現された自然言語コマンドを理解可能なゲームエージェントのための先駆的なテキストコマンド制御システムを提案する。
提案システムでは,コード生成に大規模言語モデル(LLM)を用いて自然言語コマンドを解釈し,動作分岐に変換する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Several attempts have been made to implement text command control for game
agents. However, current technologies are limited to processing predefined
format commands. This paper proposes a pioneering text command control system
for a game agent that can understand natural language commands expressed in
free-form. The proposed system uses a large language model (LLM) for code
generation to interpret and transform natural language commands into behavior
branch, a proposed knowledge expression based on behavior trees, which
facilitates execution by the game agent. This study conducted empirical
validation within a game environment that simulates a Pok\'emon game and
involved multiple participants. The results confirmed the system's ability to
understand and carry out natural language commands, representing a noteworthy
in the realm of real-time language interactive game agents.
Notice for the use of this material. The copyright of this material is
retained by the Japanese Society for Artificial Intelligence (JSAI). This
material is published here with the agreement of JSAI. Please be complied with
Copyright Law of Japan if any users wish to reproduce, make derivative work,
distribute or make available to the public any part or whole thereof. All
Rights Reserved, Copyright (C) The Japanese Society for Artificial
Intelligence.
- Abstract（参考訳）: ゲームエージェントのテキストコマンド制御を実装する試みがいくつか行われている。
しかし、現在の技術は事前に定義されたフォーマットコマンドの処理に限られている。
本稿では,自由形式で表現された自然言語コマンドを理解可能なゲームエージェントのためのテキストコマンド制御システムを提案する。
提案システムでは,コード生成のための大規模言語モデル(LLM)を用いて,自然言語コマンドを動作木に基づく知識表現である行動分岐に解釈・変換し,ゲームエージェントによる実行を容易にする。
本研究は,Pok\emonをシミュレーションし,複数の参加者を巻き込んだゲーム環境における実証検証を行った。
その結果,リアルタイム言語対話型ゲームエージェントの分野で注目される自然言語コマンドの理解と実行能力が確認された。
この材料の使用に注意してください。
本資料の著作権は日本人工知能学会(JSAI)が保持している。
この資料はJSAIの合意によりここで発行されている。
もしユーザが複製、デリバティブ・ワーク、配布、あるいはその全部を一般に公開したいと思ったら、日本の著作権法に準拠してください。
All Rights Reserved, Copyright (C) The Japanese Society for Artificial Intelligence(英語)
関連論文リスト
- Human-Agent Cooperation in Games under Incomplete Information through Natural Language Communication [32.655335061150566]
不完全な情報の下で共通の目的を達成するために、2人のプレイヤーが交互にトークンを制御できる共有制御ゲームを導入する。
本ゲームでは,人間を相手とする自律エージェントのポリシー合成問題を定式化する。
本稿では,言語モジュールと計画モジュールからなるコミュニケーションベースのアプローチを提案する。
論文 参考訳（メタデータ） (2024-05-23T04:58:42Z) - Mastering the Game of Guandan with Deep Reinforcement Learning and
Behavior Regulating [16.718186690675164]
我々は,グアンダンのゲームをマスターするAIエージェントのためのフレームワークGuanZeroを提案する。
本論文の主な貢献は、注意深く設計されたニューラルネットワーク符号化方式によるエージェントの動作の制御である。
論文 参考訳（メタデータ） (2024-02-21T07:26:06Z) - ScriptWorld: Text Based Environment For Learning Procedural Knowledge [2.0491741153610334]
ScriptWorldは、現実世界の日々の雑用についてエージェントに教えるテキストベースの環境である。
10日間の活動にゲーム環境を提供し,提案環境の詳細な分析を行う。
RLエージェントの事前学習言語モデルから得られた特徴を利用する。
論文 参考訳（メタデータ） (2023-07-08T05:43:03Z) - Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion
Models [68.85478477006178]
ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。
ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。
私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。
提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
論文 参考訳（メタデータ） (2023-03-23T17:43:17Z) - LOA: Logical Optimal Actions for Text-based Interaction Games [63.003353499732434]
本稿では、強化学習アプリケーションの行動決定アーキテクチャである論理的最適行動(LOA)を提案する。
LOAは、自然言語インタラクションゲームのためのニューラルネットワークとシンボリック知識獲得アプローチの組み合わせである。
論文 参考訳（メタデータ） (2021-10-21T08:36:11Z) - Reading and Acting while Blindfolded: The Need for Semantics in Text
Game Agents [18.743819704859703]
人工エージェントがテキストのセマンティック理解をどのように利用するかは、まだ不明である。
表現空間を正規化し,探索を促す逆ダイナミクスデコーダを提案する。
将来のエージェントの設計における我々の発見の意義を、より強い意味論的理解で議論する。
論文 参考訳（メタデータ） (2021-03-25T01:35:27Z) - Teach me to play, gamer! Imitative learning in computer games via
linguistic description of complex phenomena and decision tree [55.41644538483948]
本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。
この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
論文 参考訳（メタデータ） (2021-01-06T21:14:10Z) - Deep Reinforcement Learning with Stacked Hierarchical Attention for
Text-based Games [64.11746320061965]
自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。
エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。
提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
論文 参考訳（メタデータ） (2020-10-22T12:40:22Z) - Interactive Fiction Game Playing as Multi-Paragraph Reading
Comprehension with Reinforcement Learning [94.50608198582636]
対話型フィクション(IF)ゲームと実際の自然言語テキストは、言語理解技術に対する新たな自然な評価を提供する。
IFゲーム解決の新たな視点を捉え,MPRC(Multi-Passage Reading)タスクとして再フォーマットする。
論文 参考訳（メタデータ） (2020-10-05T23:09:20Z) - Exploration Based Language Learning for Text-Based Games [72.30525050367216]
本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。
テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。
これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
論文 参考訳（メタデータ） (2020-01-24T03:03:51Z)
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。