論文の概要: Learning to Play 7 Wonders Duel Without Human Supervision

• arxiv url: http://arxiv.org/abs/2406.00741v1
• Date: Sun, 2 Jun 2024 13:28:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 03:36:42.542189
• Title: Learning to Play 7 Wonders Duel Without Human Supervision
• Title（参考訳）: 人間の監督なしで7つの不思議を遊ぶことを学ぶ
• Authors: Giovanni Paolini, Lorenzo Moreschini, Francesco Veneziano, Alessandro Iraci,
• Abstract要約: 本稿では,ボードゲーム「7 Wonders Duel」をプレイするために開発された人工知能システム「ZeusAI」を紹介する。 ZeusAIは、Monte Carlo Tree SearchとTransformer Neural Networkを組み合わせて、人間の監督なしにゲームを学ぶ。
• 参考スコア（独自算出の注目度）: 43.37406806733957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces ZeusAI, an artificial intelligence system developed to play the board game 7 Wonders Duel. Inspired by the AlphaZero reinforcement learning algorithm, ZeusAI relies on a combination of Monte Carlo Tree Search and a Transformer Neural Network to learn the game without human supervision. ZeusAI competes at the level of top human players, develops both known and novel strategies, and allows us to test rule variants to improve the game's balance. This work demonstrates how AI can help in understanding and enhancing board games.
• Abstract（参考訳）: 本稿では,ボードゲーム「7 Wonders Duel」をプレイするために開発された人工知能システム「ZeusAI」を紹介する。 AlphaZeroの強化学習アルゴリズムにインスパイアされたZeusAIは、モンテカルロ木探索とトランスフォーマーニューラルネットワークを組み合わせて、人間の監督なしにゲームを学ぶ。 ZeusAIは、人間のトッププレイヤーのレベルを競い、既知の戦略と新しい戦略の両方を開発し、ゲームのバランスを改善するためにルールの変種をテストすることができる。 この研究は、AIがボードゲームの理解と強化にどのように役立つかを実証する。

関連論文リスト

• Mastering Chinese Chess AI (Xiangqi) Without Search [2.309569018066392]
  我々は,検索アルゴリズムに頼らずに動作する高性能な中国チェスAIを開発した。 このAIは、人間の上位0.1%のプレイヤーと競争する能力を示した。
  論文  参考訳（メタデータ） (2024-10-07T09:27:51Z)
• DanZero+: Dominating the GuanDan Game through Reinforcement Learning [95.90682269990705]
  我々は、GuanDanという、非常に複雑で人気のあるカードゲームのためのAIプログラムを開発した。 私たちはまず、DanZeroという名のAIプログラムをこのゲームのために提案しました。 AIの能力をさらに強化するために、政策に基づく強化学習アルゴリズムをGuanDanに適用する。
  論文  参考訳（メタデータ） (2023-12-05T08:07:32Z)
• AlphaZero Gomoku [9.434566356382529]
  我々は、AlphaZeroを「Five in a Row」とも呼ばれる古くからのボードゲーム「Gomoku」に拡張する。 我々のテストは、Go以外のゲームに適応するAlphaZeroの汎用性を示している。
  論文  参考訳（メタデータ） (2023-09-04T00:20:06Z)
• DanZero: Mastering GuanDan Game with Reinforcement Learning [121.93690719186412]
  カードゲームAIは、人工知能の研究において常にホットな話題となっている。 本稿では,より複雑なカードゲームであるGuanDanのためのAIプログラムの開発に専念する。 そこで我々は,強化学習技術を用いたGuanDanのためのAIプログラムDanZeroを提案する。
  論文  参考訳（メタデータ） (2022-10-31T06:29:08Z)
• Mastering the Game of Stratego with Model-Free Multiagent Reinforcement Learning [86.37438204416435]
  Strategoは、人工知能(AI)がまだマスターしていない数少ない象徴的なボードゲームの一つだ。 ストラテゴにおける決定は、行動と結果の間に明らかな結びつきがなく、多数の個別の行動に対してなされる。 DeepNashは、ストラテゴの既存の最先端AIメソッドを破り、Gravonゲームプラットフォームで年間(2022年)と最高3位を達成した。
  論文  参考訳（メタデータ） (2022-06-30T15:53:19Z)
• AI in Games: Techniques, Challenges and Opportunities [40.86375378643978]
  Libratus、OpenAI Five、AlphaStarといった様々なゲームAIシステムが開発され、プロの人間プレイヤーに勝っている。 本稿では,最近成功したゲームAI,ボードゲームAI,カードゲームAI,ファーストパーソンシューティングゲームAI,リアルタイム戦略ゲームAIについて調査する。
  論文  参考訳（メタデータ） (2021-11-15T09:35:53Z)
• AlphaDDA: game artificial intelligence with dynamic difficulty adjustment using AlphaZero [0.0]
  AIプレイヤーは人間プレイヤーの相手として強すぎる。 人間のプレイヤーを楽しませるためには、AIプレイヤーは人間のプレイヤーと自動的にスキルのバランスをとる必要がある。 我々はAlphaZeroに基づく動的難易度調整を行うAIプレイヤーであるAlphaDDAを提案する。
  論文  参考訳（メタデータ） (2021-11-11T15:15:52Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• Suphx: Mastering Mahjong with Deep Reinforcement Learning [114.68233321904623]
  我々は、新たに導入されたいくつかの技術を用いた深層強化学習に基づいて、Suphxという名のマフジョンのためのAIを設計する。 Suphxは、安定したランクの点で、ほとんどのトップの人間プレイヤーよりも強いパフォーマンスを示している。 コンピュータプログラムがマヒョンで最上位の人間プレイヤーを上回るのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-03-30T16:18:16Z)

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。