論文の概要: Path Generation and Evaluation in Video Games: A Nonparametric Statistical Approach

• arxiv url: http://arxiv.org/abs/2506.03522v1
• Date: Wed, 04 Jun 2025 03:14:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.125127
• Title: Path Generation and Evaluation in Video Games: A Nonparametric Statistical Approach
• Title（参考訳）: ビデオゲームにおけるパス生成と評価 : 非パラメトリック統計的アプローチ
• Authors: Daniel Campa, Mehdi Saeedi, Ian Colbert, Srinjoy Das,
• Abstract要約: ナビゲーションパストレースはビデオゲームのデザインにおいて重要な役割を担い、プレイヤーのエンゲージメント向上と微調整不可能なキャラクタ動作の双方に不可欠なリソースとなっている。 近年のディープラーニングに基づく生成モデリングの進歩にもかかわらず、ビデオゲーム業界はそのようなモデルをパス生成に採用することをためらっている。 原理的非パラメトリック統計量に基づく新しい経路生成と評価手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Navigation path traces play a crucial role in video game design, serving as a vital resource for both enhancing player engagement and fine-tuning non-playable character behavior. Generating such paths with human-like realism can enrich the overall gaming experience, and evaluating path traces can provide game designers insights into player interactions. Despite the impressive recent advancements in deep learning-based generative modeling, the video game industry hesitates to adopt such models for path generation, often citing their complex training requirements and interpretability challenges. To address these problems, we propose a novel path generation and evaluation approach that is grounded in principled nonparametric statistics and provides precise control while offering interpretable insights. Our path generation method fuses two statistical techniques: (1) nonparametric model-free transformations that capture statistical characteristics of path traces through time; and (2) copula models that capture statistical dependencies in space. For path evaluation, we adapt a nonparametric three-sample hypothesis test designed to determine if the generated paths are overfit (mimicking the original data too closely) or underfit (diverging too far from it). We demonstrate the precision and reliability of our proposed methods with empirical analysis on two existing gaming benchmarks to showcase controlled generation of diverse navigation paths. Notably, our novel path generator can be fine-tuned with user controllable parameters to create navigation paths that exhibit varying levels of human-likeness in contrast to those produced by neural network-based agents. The code is available at https://github.com/daniel-campa/mf-copula.
• Abstract（参考訳）: ナビゲーションパストレースはビデオゲームのデザインにおいて重要な役割を担い、プレイヤーのエンゲージメント向上と微調整不可能なキャラクタ動作の双方に不可欠なリソースとなっている。 このようなパスを人間のようなリアリズムで生成することは、ゲーム全体の体験を豊かにし、パストレースを評価することで、プレイヤーのインタラクションに関するゲームデザイナーの洞察を与えることができる。 近年のディープラーニングベースの生成モデリングの進歩にもかかわらず、ビデオゲーム業界はこうしたモデルをパス生成に適用することをためらっている。 これらの問題に対処するため,本研究では,非パラメトリック統計学に基づく新しい経路生成・評価手法を提案し,解釈可能な洞察を提供しながら正確な制御を行う。 経路生成法は,(1)経路トレースの統計的特性を時間的に捉える非パラメトリックなモデルフリー変換,(2)空間の統計的依存性を捉えるコプラモデルという2つの統計手法を融合させる。 経路評価では,生成した経路が過度に適合しているか(元のデータを過小評価しすぎている)それとも不適合であるかを判定するために,非パラメトリックな3サンプル仮説テストを適用する。 提案手法の精度と信頼性を2つの既存のゲームベンチマークで実証分析し,多様なナビゲーション経路の制御された生成を示す。 特に,我々の新しい経路生成装置は,ニューラルネットワークをベースとしたエージェントが生成するのとは対照的に,さまざまなレベルの人間的類似性を示すナビゲーションパスを生成するために,ユーザ制御可能なパラメータを微調整することができる。 コードはhttps://github.com/daniel-campa/mf-copula.comで公開されている。

関連論文リスト

• RealTraj: Towards Real-World Pedestrian Trajectory Forecasting [10.332817296500533]
  本稿では,軌道予測の現実的適用性を高める新しいフレームワークであるRealTrajを提案する。 Det2TrajFormerは、過去の検出を入力として使用することで、ノイズの追跡に不変なモデルである。 従来のトラジェクトリ予測手法とは異なり,本手法は地平線検出のみを用いてモデルを微調整し,コストのかかる人体IDアノテーションの必要性を低減させる。
  論文  参考訳（メタデータ） (2024-11-26T12:35:26Z)
• Auto-Encoding Bayesian Inverse Games [36.06617326128679]
  ゲームの性質が不明な逆ゲーム問題を考える。 既存の最大推定手法は、未知のパラメータの点推定のみを提供する。 ベイズ的視点を採り、ゲームパラメータの後方分布を構成する。 この構造化されたVAEは、観測された相互作用のラベルのないデータセットから訓練することができる。
  論文  参考訳（メタデータ） (2024-02-14T02:17:37Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Efficient Ground Vehicle Path Following in Game AI [77.34726150561087]
  本稿では,ゲームAIに適した地上車両の効率的な追従経路を提案する。 提案したパスフォロワは,一対一シューティングゲームにおいて,様々なテストシナリオを通じて評価される。 その結果,既存の経路と比較すると,立ち往生するイベントの総数が70%減少した。
  論文  参考訳（メタデータ） (2023-07-07T04:20:07Z)
• Learning to Predict Navigational Patterns from Partial Observations [63.04492958425066]
  本稿では,実環境におけるナビゲーションのパターンを,部分的な観察のみから推測する,初めての自己教師型学習(SSL)手法を提案する。 我々は、DSLPフィールドに最大極大グラフを適合させることにより、グローバルなナビゲーションパターンを推論する方法を実証する。 実験により,我々のSSLモデルはnuScenesデータセット上で2つのSOTA教師付きレーングラフ予測モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-26T02:08:46Z)
• 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)
• Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
  VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。 VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。 本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
  論文  参考訳（メタデータ） (2019-11-17T18:02:51Z)

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。