論文の概要: People use fast, goal-directed simulation to reason about novel games

• arxiv url: http://arxiv.org/abs/2407.14095v2
• Date: Fri, 07 Feb 2025 08:03:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:53:00.188631
• Title: People use fast, goal-directed simulation to reason about novel games
• Title（参考訳）: 人々は新しいゲームを推論するために高速でゴール指向のシミュレーションを使う
• Authors: Cedegao E. Zhang, Katherine M. Collins, Lionel Wong, Mauricio Barba, Adrian Weller, Joshua B. Tenenbaum,
• Abstract要約: シンプルなが斬新なConnect-Nスタイルのボードゲームについて、人々がどう考えるかを研究する。 ゲームがどんなに公平か、そしてどんなに楽しいのかを、ごくわずかな経験から判断するよう、私たちは人々に求めます。
• 参考スコア（独自算出の注目度）: 71.0171482296852
• License:
• Abstract: People can evaluate features of problems and their potential solutions well before we can effectively solve them. When considering a game we have never played, for instance, we might infer whether it is likely to be challenging, fair, or fun simply from hearing the game rules, prior to deciding whether to invest time in learning the game or trying to play it well. Many studies of game play have focused on optimality and expertise, characterizing how people and computational models play based on moderate to extensive search and after playing a game dozens (if not thousands or millions) of times. Here, we study how people reason about a range of simple but novel Connect-N style board games. We ask people to judge how fair and how fun the games are from very little experience: just thinking about the game for a minute or so, before they have ever actually played with anyone else, and we propose a resource-limited model that captures their judgments using only a small number of partial game simulations and almost no look-ahead search.
• Abstract（参考訳）: 問題を効果的に解決する前に、人々は問題の特徴とその潜在的な解決策を評価することができます。 例えば、今までプレイしたことのないゲームを考えるとき、ゲーム学習に時間を費やすか、うまくプレイしようとするかを決める前に、単にゲームルールを聴くだけで、チャレンジ、フェア、あるいは楽しいかどうかを推測するかもしれません。 ゲームプレイの多くの研究は、最適性と専門性に重点を置いており、人や計算モデルが適度から広範囲な探索に基づいてどのように機能するかを特徴づけてきた。 ここでは,シンプルなが斬新なConnect-Nスタイルのボードゲームについて,人々がどのように考えるかを検討する。 ゲームについて考えると、実際に誰かとプレイする前に1分程度、ゲームについて考えるだけで、ごく少数の部分的なゲームシミュレーションだけで判断を捉え、ルックアヘッド検索をほとんど行わないリソース限定モデルを提案します。

関連論文リスト

• Learning to Play Video Games with Intuitive Physics Priors [2.1548132286330453]
  我々は、多数のビデオゲームでよく一般化されたオブジェクトベースの入力表現を設計する。 これらの表現を用いて,幼児に類似したゲームを学ぶエージェントの能力を評価する。 以上の結果から,人間のようなオブジェクトインタラクションのセットアップが,複数のビデオゲームを遊べるように学習できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-20T20:30:27Z)
• Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
  エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。 不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
  論文  参考訳（メタデータ） (2024-06-23T00:27:28Z)
• Game Solving with Online Fine-Tuning [17.614045403579244]
  本稿では,探索中のオンラインファインチューニングの適用について検討し,ゲーム問題解決のための最適設計計算を学習するための2つの方法を提案する。 実験の結果,オンラインファインチューニングを用いることで,ベースラインに比べて23.54%の時間しか利用できない7x7 Killall-Goの課題が解決できることがわかった。
  論文  参考訳（メタデータ） (2023-11-13T09:09:52Z)
• Know your Enemy: Investigating Monte-Carlo Tree Search with Opponent Models in Pommerman [14.668309037894586]
  強化学習(Reinforcement Learning)と組み合わせて、モンテカルロ木探索(Monte-Carlo Tree Search)はChess、Shogi、Goといったゲームにおいて、人間のグランドマスターよりも優れていることを示した。 汎用マルチプレイヤーゲームからシングルプレイヤーゲームと2プレイヤーゲームに変換する手法について検討する。
  論文  参考訳（メタデータ） (2023-05-22T16:39:20Z)
• An AlphaZero-Inspired Approach to Solving Search Problems [63.24965775030674]
  探索問題を解くためにAlphaZeroで使用される手法と手法を適応する。 本稿では,簡単な解法と自己還元という観点から表現できる可能性について述べる。 また,探索問題に適応したモンテカルロ木探索法についても述べる。
  論文  参考訳（メタデータ） (2022-07-02T23:39:45Z)
• 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)
• 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)
• Conceptual Game Expansion [10.647788986944994]
  我々はゲームプレイビデオから既存のゲームの表現を学び、これらを用いて新しいゲームの検索空間を近似する。 人間の課題研究において、これらの新しいゲームは、チャレンジの観点から、人間のゲームと区別できないことを実証する。
  論文  参考訳（メタデータ） (2020-02-22T05:51:54Z)
• 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。