Fugu-MT 論文翻訳(概要): A Framework for Predicting the Impact of Game Balance Changes through Meta Discovery

論文の概要: A Framework for Predicting the Impact of Game Balance Changes through Meta Discovery

arxiv url: http://arxiv.org/abs/2409.07340v1
Date: Wed, 11 Sep 2024 15:20:43 GMT
ステータス: 処理完了
システム内更新日: 2024-09-12 14:03:35.653965
Title: A Framework for Predicting the Impact of Game Balance Changes through Meta Discovery
Title（参考訳）: メタディスカバリによるゲームバランス変化の影響予測フレームワーク
Authors: Akash Saravanan, Matthew Guzdial,
Abstract要約: メタゲームとは、ゲームのルールを超えた知識の集まりである。バランス変更の影響を予測するためのフレームワークは、開発者がより情報的なバランス決定を行うのに役立つだろう。
参考スコア（独自算出の注目度）: 2.690784361901543
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A metagame is a collection of knowledge that goes beyond the rules of a game. In competitive, team-based games like Pok\'emon or League of Legends, it refers to the set of current dominant characters and/or strategies within the player base. Developer changes to the balance of the game can have drastic and unforeseen consequences on these sets of meta characters. A framework for predicting the impact of balance changes could aid developers in making more informed balance decisions. In this paper we present such a Meta Discovery framework, leveraging Reinforcement Learning for automated testing of balance changes. Our results demonstrate the ability to predict the outcome of balance changes in Pok\'emon Showdown, a collection of competitive Pok\'emon tiers, with high accuracy.
Abstract（参考訳）: メタゲームとは、ゲームのルールを超えた知識の集まりである。 Pok\'emonやLeague of Legendsのようなチームベースの競争ゲームでは、プレイヤーベース内の現在の支配的なキャラクターや戦略のセットを指す。ゲームのバランスに対する開発者の変更は、これらのメタキャラクタセットに劇的かつ予期せぬ結果をもたらす可能性がある。バランス変更の影響を予測するためのフレームワークは、開発者がより情報的なバランス決定を行うのに役立つだろう。本稿では,バランス変化の自動テストに強化学習を活用するメタディスカバリフレームワークを提案する。その結果,Pok\'emon Showdownは,競合するPok\'emonティアの集合体であり,高い精度でバランス変化を予測できることを示した。

関連論文リスト

Identifying and Clustering Counter Relationships of Team Compositions in PvP Games for Efficient Balance Analysis [24.683917771144536]
ゼロサム競争シナリオにおけるバランスを定量化する尺度を開発する。我々は、合成の有用なカテゴリを特定し、それらのカウンター関係をピンポイントする。私たちのフレームワークは、Eage of Empires II、Hearthstone、Brawl Stars、League of Legendsなど、人気のあるオンラインゲームで検証されています。
論文参考訳（メタデータ） (2024-08-30T10:28:36Z)
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)
Balance, Imbalance, and Rebalance: Understanding Robust Overfitting from a Minimax Game Perspective [80.51463286812314]
敵対的訓練(AT)はおそらく、頑健な特徴を抽出するための最先端のアルゴリズムである。 ATは、特に学習率(LR)が崩壊した後、深刻な強固な過適合問題に悩まされる。我々は, LR崩壊が, より強い記憶能力でトレーナーに力を与えることにより, ミニマックスゲーム間のバランスを損なうことを示す。
論文参考訳（メタデータ） (2023-10-30T09:00:11Z)
Balancing of competitive two-player Game Levels with Reinforcement Learning [0.2793095554369281]
我々は最近導入されたPCGRLフレームワーク内でタイルベースレベルの自動バランスのためのアーキテクチャを提案する。アーキテクチャは,(1)レベルジェネレータ,(2)バランスエージェント,(3)報酬モデルシミュレーションの3つの部分に分けられる。提案手法は,従来のPCGRLよりもバランスを良く,かつ高速にするために,エージェントにレベルを変更する方法を教えることができることを示す。
論文参考訳（メタデータ） (2023-06-07T13:40:20Z)
Abstracting Imperfect Information Away from Two-Player Zero-Sum Games [85.27865680662973]
Nayyar et al. (2013) は、プレイヤーがプレイ中にポリシーを公に発表することで、不完全な情報を共通のペイオフゲームから抽象化できることを示した。この研究は、ある正規化された平衡が上記の非対応問題を持たないことを示している。これらの正規化された平衡はナッシュ平衡に任意に近づくことができるので、この結果は2つのプレイヤーゼロサムゲームを解くための新たな視点への扉を開く。
論文参考訳（メタデータ） (2023-01-22T16:54:06Z)
GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。 GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文参考訳（メタデータ） (2022-07-26T21:38:07Z)
Predicting Events in MOBA Games: Dataset, Attribution, and Evaluation [37.16502752193698]
本研究では,MOBAゲーム『Honor of Kings』のゲーム内機能を含む大規模データセットを収集,リリースする。次に,2つのグラデーションに基づくアトリビューション手法を用いて,入力特徴に対する予測をアトリビュートすることにより,4種類の重要事象を解釈可能な方法で予測することを提案する。
論文参考訳（メタデータ） (2020-12-17T07:28:35Z)
Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文参考訳（メタデータ） (2020-08-14T12:00:58Z)
The Electromagnetic Balance Game: A Probabilistic Perspective [3.096615629099617]
バランスを使って視覚的に同一のコインのセットとは異なる重さの偽造コインを見つけることは、干渉的で刺激的な問題である。本稿では、特に確率論的観点から、バランスゲームの一部の変種を減弱する。我々は,プレイヤーがバランスの取れた結果を観察することなく戦略を調整しなければならない,所定の設定に集中する。
論文参考訳（メタデータ） (2020-07-21T11:49:00Z)
Metagame Autobalancing for Competitive Multiplayer Games [0.10499611180329801]
ゲーム設計において,マルチプレイヤーゲームのバランスをとるためのツールを提案する。我々のアプローチでは,設計者がメタゲームターゲットの直感的なグラフィカル表現を構築する必要がある。このツールの能力は、Rock-Paper-Scissors から継承された例や、より複雑な非対称戦闘ゲームにおいて示す。
論文参考訳（メタデータ） (2020-06-08T08:55:30Z)
From Poincar\'e Recurrence to Convergence in Imperfect Information Games: Finding Equilibrium via Regularization [49.368421783733815]
モノトーンゲームにおいて,報酬の適応が強い収束保証を与えることを示す。また、この報酬適応手法を用いて、Nash平衡に正確に収束するアルゴリズムを構築する方法を示す。
論文参考訳（メタデータ） (2020-02-19T21:36:58Z)

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。