Fugu-MT 論文翻訳(概要): Super Mario in the Pernicious Kingdoms: Classifying glitches in old games

論文の概要: Super Mario in the Pernicious Kingdoms: Classifying glitches in old games

arxiv url: http://arxiv.org/abs/2404.14870v1
Date: Tue, 23 Apr 2024 09:53:22 GMT
ステータス: 処理完了
システム内更新日: 2024-04-24 14:41:16.063222
Title: Super Mario in the Pernicious Kingdoms: Classifying glitches in old games
Title（参考訳）: スーパーマリオ:古いゲームでグリッチを分類する
Authors: Llewellyn Forward, Io Limmer, Joseph Hallett, Dan Page,
Abstract要約: Seven Pernicious Kingdomsのソフトウェア欠陥分類とCommon Weaknessionを使って、その弱点を分類する。ゲーム特有の7つの新たな弱点を特定します。
参考スコア（独自算出の注目度）: 1.3249509346606658
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In a case study spanning four classic Super Mario games and the analysis of 237 known glitches within them, we classify a variety of weaknesses that are exploited by speedrunners to enable them to beat games quickly and in surprising ways. Using the Seven Pernicious Kingdoms software defect taxonomy and the Common Weakness Enumeration, we categorize the glitches by the weaknesses that enable them. We identify 7 new weaknesses that appear specific to games and which are not covered by current software weakness taxonomies.
Abstract（参考訳）: 4つのクラシックなスーパーマリオゲームにまたがるケーススタディと、237個の既知のグリッチの分析では、スピードランナーによって悪用される様々な弱点を分類し、ゲームに素早く驚きの方法で勝てるようにします。 Seven Pernicious Kingdomsのソフトウェア欠陥分類とCommon Weakness Enumerationを使って、それらの弱点を分類する。ゲーム特有の7つの新たな弱点を特定します。

関連論文リスト

Games of Knightian Uncertainty as AGI testbeds [2.66269503676104]
ゲーム研究がAGIパスに再び関係するようになるためには、textitKnightianの不確実性に対処する必要がある、と我々は主張する。エージェントは、警告なし、以前のデータなし、モデルアクセスなしで、オンザフライでゲームルールの迅速な変更に適応できる必要がある。
論文参考訳（メタデータ） (2024-06-26T08:52:34Z)
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)
Automatic Bug Detection in Games using LSTM Networks [2.5382095320488665]
本稿では,Long Short-Term Memory (LSTM) ネットワークを用いて知覚的バグを検出する新しいフレームワークを提案する。このフレームワークは、FPS(First Person Shooter)の2つのゲームで評価された。
論文参考訳（メタデータ） (2023-12-13T17:55:44Z)
Deriving and Evaluating a Detailed Taxonomy of Game Bugs [2.2136561577994858]
この研究の目的は、ゲーム開発者がバグに耐性のあるゲームを開発するのに役立つバグ分類を提供することだ。ゲーム開発業界で発生したバグを報告した189件(学術文献78件,灰色111件)の資料の中から,436件の資料を分析し,MLR(Multivocal Literature Review)を行った。 MLRにより、エンドユーザーの視点から63のゲームバグカテゴリの詳細な分類を確定することができた。
論文参考訳（メタデータ） (2023-11-28T09:51:42Z)
Learning to Identify Perceptual Bugs in 3D Video Games [1.370633147306388]
そこで本研究では,学習に基づく手法を用いて,知覚的バグの範囲を同定できることを示す。 World of Bugs (WOB)は、3Dゲーム環境でABDメソッドをテストするオープンプラットフォームである。
論文参考訳（メタデータ） (2022-02-25T18:50:11Z)
No-Regret Learning in Time-Varying Zero-Sum Games [99.86860277006318]
固定ゼロサムゲームにおける繰り返しプレイからの学習は、ゲーム理論とオンライン学習における古典的な問題である。提案手法は,3つの性能基準の下で,良好な保証を同時に享受できる1つのパラメータフリーアルゴリズムである。本アルゴリズムは,ある特性を満たすブラックボックスベースラーナー群に対するメタアルゴリズムを用いた2層構造に基づく。
論文参考訳（メタデータ） (2022-01-30T06:10:04Z)
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)
Imagining Grounded Conceptual Representations from Perceptual Information in Situated Guessing Games [83.53942719040576]
視覚的な推測ゲームでは、GuesserはOracleに質問することで、シーン内のターゲットオブジェクトを特定する必要がある。既存のモデルは真のマルチモーダル表現を学ばず、訓練と推論の両方でシーン内のオブジェクトのゴールドカテゴリラベルに依存している。本稿では,正規化オートエンコーダをベースとした新しい「想像」モジュールを提案する。
論文参考訳（メタデータ） (2020-11-05T15:42:29Z)
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)
Efficient exploration of zero-sum stochastic games [83.28949556413717]
ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
論文参考訳（メタデータ） (2020-02-24T20:30:38Z)
Smooth markets: A basic mechanism for organizing gradient-based learners [47.34060971879986]
スムーズマーケット(SM-games)は、対角にゼロ和の相互作用を持つn-プレイヤゲームの一種である。 SMゲームは、(一部)GAN、敵対的トレーニング、その他の最近のアルゴリズムを含む、機械学習における一般的なデザインパターンを符号化する。 SMゲームは1次手法を用いて解析と最適化が可能であることを示す。
論文参考訳（メタデータ） (2020-01-14T09:19:39Z)

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。