論文の概要: Adaptive Command: Real-Time Policy Adjustment via Language Models in StarCraft II
- arxiv url: http://arxiv.org/abs/2508.16580v1
- Date: Tue, 05 Aug 2025 03:26:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-31 21:54:20.558949
- Title: Adaptive Command: Real-Time Policy Adjustment via Language Models in StarCraft II
- Title（参考訳）: Adaptive Command:StarCraft IIの言語モデルによるリアルタイムポリシー調整
- Authors: Weiyu Ma, Dongyu Xu, Shu Lin, Haifeng Zhang, Jun Wang,
- Abstract要約: 本稿では,大規模言語モデル(LLM)と行動木を統合する新しいフレームワークであるAdaptive Commandを紹介し,StarCraft IIにおける戦略的意思決定をリアルタイムに行う。
本システムは,自然言語インタラクションによる複雑な動的環境における人間とAIの協調性の向上に重点を置いている。
- 参考スコア（独自算出の注目度）: 6.7213130339934315
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Adaptive Command, a novel framework integrating large language models (LLMs) with behavior trees for real-time strategic decision-making in StarCraft II. Our system focuses on enhancing human-AI collaboration in complex, dynamic environments through natural language interactions. The framework comprises: (1) an LLM-based strategic advisor, (2) a behavior tree for action execution, and (3) a natural language interface with speech capabilities. User studies demonstrate significant improvements in player decision-making and strategic adaptability, particularly benefiting novice players and those with disabilities. This work contributes to the field of real-time human-AI collaborative decision-making, offering insights applicable beyond RTS games to various complex decision-making scenarios.
- Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)と行動木を統合する新しいフレームワークであるAdaptive Commandを紹介し,StarCraft IIにおける戦略的意思決定をリアルタイムに行う。
本システムは,自然言語インタラクションによる複雑な動的環境における人間とAIの協調性の向上に重点を置いている。
本フレームワークは,(1)LSMに基づく戦略的アドバイザ,(2)行動実行のための行動木,(3)音声機能を備えた自然言語インタフェースを備える。
ユーザスタディは、プレイヤーの意思決定と戦略的適応性において、特に初心者や障害者にとって大きな改善を示す。
この研究は、リアルタイムな人間とAIの協調的な意思決定の分野に貢献し、RTSゲームを超えて様々な複雑な意思決定シナリオに適用可能な洞察を提供する。
関連論文リスト
- Society of Mind Meets Real-Time Strategy: A Hierarchical Multi-Agent Framework for Strategic Reasoning [16.35236123729838]
我々は,Strategic Planner (SP) と呼ばれるメタコントローラの下で,特殊模倣学習エージェントを利用する階層型マルチエージェントフレームワークを提案する。
専門家によるデモンストレーションによって、各特殊エージェントは、航空支援や防御演習のような独特の戦略を学び、一貫性のある、構造化された多段階のアクションシーケンスを生成する。
SPはこれらの提案を1つの環境適応プランに編成し、局所的な決定が長期的な戦略と整合することを保証する。
論文 参考訳（メタデータ） (2025-08-08T05:57:12Z) - TacticCraft: Natural Language-Driven Tactical Adaptation for StarCraft II [4.059142160949011]
本稿では,StarCraft IIのAIエージェントの戦術的条件付けのためのアダプタベースのアプローチを提案する。
提案手法は,事前学習されたポリシーネットワーク(DI-Star)を凍結し,各アクションヘッドに軽量なアダプタモジュールを付加する。
実験の結果,攻撃性,拡張パターン,技術嗜好など,戦術的側面におけるエージェントの挙動の調整に成功していることがわかった。
論文 参考訳（メタデータ） (2025-07-21T13:42:06Z) - AVA: Attentive VLM Agent for Mastering StarCraft II [56.07921367623274]
Intentive VLM Agent (AVA) は、人工エージェントの認識と人間のゲームプレイ体験を一致させるマルチモーダルのStarCraft IIエージェントである。
我々のエージェントは、ゲームプレイ中に人間の認知過程をより密にシミュレートするRGB視覚入力と自然言語観察を組み込むことにより、この制限に対処する。
論文 参考訳（メタデータ） (2025-03-07T12:54:25Z) - Policy Learning with a Language Bottleneck [65.99843627646018]
本稿では,AIエージェントが言語規則を生成可能なフレームワークであるPLLB(Language Bottleneck)について紹介する。
PLLBBは言語モデルによってガイドされる*ルール生成*ステップと、エージェントがルールによってガイドされる新しいポリシーを学ぶ*アップデート*ステップとを代替する。
PLLBエージェントは、より解釈可能で一般化可能な振る舞いを学べるだけでなく、学習したルールを人間のユーザと共有できることを示す。
論文 参考訳（メタデータ） (2024-05-07T08:40:21Z)
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。