論文の概要: Evaluating Environments Using Exploratory Agents
- arxiv url: http://arxiv.org/abs/2409.02632v1
- Date: Wed, 4 Sep 2024 11:51:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-05 18:53:31.386074
- Title: Evaluating Environments Using Exploratory Agents
- Title（参考訳）: 探索エージェントを用いた環境評価
- Authors: Bobby Khaleque, Mike Cook, Jeremy Gow,
- Abstract要約: 探索エージェントを用いてプロシージャ生成ゲームレベルの設計に対するフィードバックを提供する。
本研究は,我々の探索エージェントがエンゲージメントレベルとアンエンゲージメントレベルを明確に区別できることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Exploration is a key part of many video games. We investigate the using an exploratory agent to provide feedback on the design of procedurally generated game levels, 5 engaging levels and 5 unengaging levels. We expand upon a framework introduced in previous research which models motivations for exploration and introduce a fitness function for evaluating an environment's potential for exploration. Our study showed that our exploratory agent can clearly distinguish between engaging and unengaging levels. The findings suggest that our agent has the potential to serve as an effective tool for assessing procedurally generated levels, in terms of exploration. This work contributes to the growing field of AI-driven game design by offering new insights into how game environments can be evaluated and optimised for player exploration.
- Abstract（参考訳）: 探索は多くのビデオゲームの重要な部分である。
探索エージェントを用いて,プロシージャ生成ゲームレベル5,エンゲージメントレベル5,アンエンハングレベル5の設計に対するフィードバックを提供する。
我々は,探索動機をモデル化し,環境の探索可能性を評価するための適合度関数を導入する,以前の研究で導入された枠組みを拡大する。
本研究は,我々の探索エージェントがエンゲージメントレベルとアンエンゲージメントレベルを明確に区別できることを示した。
以上の結果から,我々のエージェントは,プロシージャが生成するレベルを探索的に評価する有効なツールとして機能する可能性が示唆された。
この研究は、ゲーム環境がどのように評価され、プレイヤーの探索に最適化されるかについての新しい洞察を提供することで、AI駆動型ゲームデザインの分野に寄与する。
関連論文リスト
- Preference-conditioned Pixel-based AI Agent For Game Testing [1.5059676044537105]
環境とのインタラクションによって学習するゲームテストAIエージェントは、これらの課題を軽減する可能性がある。
本稿では,ユーザの好みに応じて設定された環境を探索しながら,主に画素ベースの状態観測に依存するエージェント設計を提案する。
実AAAゲームにおける多くの側面に類似した複雑なオープンワールド環境において、調査対象とテスト実行品質に対して、我々のエージェントは、最先端の画素ベースのゲームテストエージェントよりも大幅に優れています。
論文 参考訳（メタデータ） (2023-08-18T04:19:36Z) - Embodied Agents for Efficient Exploration and Smart Scene Description [47.82947878753809]
我々は、自律的なエージェントが見えない屋内環境を探索し、マッピングする必要がある視覚ナビゲーションの設定に取り組む。
本稿では,視覚ロボット探査と画像キャプションの最近の進歩を組み合わせたアプローチを提案し,評価する。
提案手法は,環境の意味的知識を最大化し,繰り返しを避けるスマートなシーン記述を生成する。
論文 参考訳（メタデータ） (2023-01-17T19:28:01Z) - CCPT: Automatic Gameplay Testing and Validation with
Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。
CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
論文 参考訳（メタデータ） (2022-02-21T09:08:33Z) - Interesting Object, Curious Agent: Learning Task-Agnostic Exploration [44.18450799034677]
本稿では,タスク非依存探索の定式化と評価におけるパラダイム変化を提案する。
我々の定式化は効果的であることを示し、複数のトレーニングテスト環境ペアをまたいだ最も一貫した探索を提供する。
論文 参考訳（メタデータ） (2021-11-25T15:17:32Z) - Long-Term Exploration in Persistent MDPs [68.8204255655161]
RbExplore (Rollback-Explore) と呼ばれる探査手法を提案する。
本稿では,マルコフ決定過程を永続的に決定する手法であるロールバック・エクスロア (RbExplore) を提案する。
我々は,ペルシャのプリンス・オブ・ペルシャゲームにおいて,報酬やドメイン知識を伴わずに,我々のアルゴリズムを検証した。
論文 参考訳（メタデータ） (2021-09-21T13:47:04Z) - Benchmarking the Spectrum of Agent Capabilities [7.088856621650764]
本稿では,1つの環境における幅広い汎用能力を評価する視覚入力を備えたオープンワールドサバイバルゲームであるCrafterを紹介する。
エージェントは提供された報酬信号や本質的な目的を通じて学習し、意味的に意味のある成果によって評価される。
我々は、Crafterが将来の研究を推進するのに適切な困難であることを実験的に検証し、報酬エージェントと教師なしエージェントのベースラインスコアを提供する。
論文 参考訳（メタデータ） (2021-09-14T15:49:31Z) - Learning Affordance Landscapes for Interaction Exploration in 3D
Environments [101.90004767771897]
エージェントは環境の仕組みを習得できなければならない。
相互作用探索のための強化学習手法を提案する。
AI2-iTHORで私たちのアイデアを実証します。
論文 参考訳（メタデータ） (2020-08-21T00:29:36Z) - Interactive Evolution and Exploration Within Latent Level-Design Space
of Generative Adversarial Networks [8.091708140619946]
潜在変数進化(LVE)は、最近ゲームレベルに適用されている。
本稿では,ゲーム用タイルベースレベルのインタラクティブなLVEツールを提案する。
このツールは、潜伏次元の直接探索も可能で、ユーザーは発見レベルをプレイできる。
論文 参考訳（メタデータ） (2020-03-31T22:52:17Z) - An Exploration of Embodied Visual Exploration [97.21890864063872]
身体的コンピュータビジョンは、新しい非構造環境におけるロボットに対する知覚を考慮に入れている。
既存の視覚探索アルゴリズムの分類を提示し、それらをベンチマークするための標準フレームワークを作成する。
次に,提案フレームワークを用いた4つの最先端パラダイムの徹底的な実証的研究を行った。
論文 参考訳（メタデータ） (2020-01-07T17:40:32Z)
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。