論文の概要: Adapting Rules of Official International Mahjong for Online Players
- arxiv url: http://arxiv.org/abs/2601.08211v1
- Date: Tue, 13 Jan 2026 04:36:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-14 18:27:19.059485
- Title: Adapting Rules of Official International Mahjong for Online Players
- Title（参考訳）: オンラインプレーヤのための公式国際マヒョンルールの適応
- Authors: Chucai Wang, Lingfeng Li, Yunlong Lu, Wenxin Li,
- Abstract要約: 我々は世界チャンピオンのAIを使って、セルフプレイの競争に参加し、統計データ分析を行います。
そこで本研究では,オンライン環境に適したルール適応法を提案する。
この研究は、AIシステムからのデータを使用して、公式のMahjongのゲームバランスを評価する最初の試みである。
- 参考スコア（独自算出の注目度）: 3.9039720954900243
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As one of the worldwide spread traditional game, Official International Mahjong can be played and promoted online through remote devices instead of requiring face-to-face interaction. However, online players have fragmented playtime and unfixed combination of opponents in contrary to offline players who have fixed opponents for multiple rounds of play. Therefore, the rules designed for offline players need to be modified to ensure the fairness of online single-round play. Specifically, We employ a world champion AI to engage in self-play competitions and conduct statistical data analysis. Our study reveals the first-mover advantage and issues in the subgoal scoring settings. Based on our findings, we propose rule adaptations to make the game more suitable for the online environment, such as introducing compensatory points for the first-mover advantage and refining the scores of subgoals for different tile patterns. Compared with the traditional method of rotating positions over multiple rounds to balance first-mover advantage, our compensatory points mechanism in each round is more convenient for online players. Furthermore, we implement the revised Mahjong game online, which is open for online players. This work is an initial attempt to use data from AI systems to evaluate Official Internatinoal Mahjong's game balance and develop a revised version of the traditional game better adapted for online players.
- Abstract（参考訳）: 世界中で普及している伝統的なゲームの一つとして、オフィシャル・インターナショナル・マヒジョンは対面インタラクションを必要とせず、遠隔デバイスを通じてオンラインでプレイし、宣伝することができる。
しかし、オンラインプレイヤーは、複数ラウンドのプレーで相手を固定したオフラインプレイヤーとは対照的に、プレイタイムと未固定の組み合わせを断片化してきた。
したがって、オフラインプレイヤー向けに設計されたルールは、オンラインシングルラウンドプレイの公平性を保証するために修正される必要がある。
具体的には、世界チャンピオンのAIを使用して、セルフプレイ競技を行い、統計データ分析を行います。
本研究は, サブゴールスコアリング設定における最優先の利点と問題点を明らかにする。
そこで本研究では,ゲームがオンライン環境に適合するルール適応法を提案する。例えば,ファースト・モーバー・アドバンテージに対する補償点の導入や,異なるタイルパターンに対するサブゴールのスコアの修正などである。
複数のラウンドにまたがって回転する従来の方式と比較して、各ラウンドの補償ポイント機構はオンラインプレイヤーにとってより便利である。
さらに,オンラインプレイヤーに開放されたMahjongゲームをオンラインで実装する。
この研究は、AIシステムからのデータをオフィシャル・インターナティノナル・マフジョンのゲームバランスの評価に利用し、オンラインプレイヤーに適合した従来のゲームの改訂版を開発するための最初の試みである。
関連論文リスト
- CUPID: Improving Battle Fairness and Position Satisfaction in Online MOBA Games with a Re-matchmaking System [38.36310386543932]
CUPIDは、フェアネスとプレイヤーの満足度の両方を改善するために、チームとポジションの割り当てを最適化することを目的としている。
マッチング品質の最小レベルを確保するために、事前フィルタリングのステップを組み込んだ後、事前マッチの勝利率予測モデルが続く。
CUPIDの有効性を検証するために、2つの大規模な実世界のMOBAデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2024-06-28T08:09:55Z) - Offline Fictitious Self-Play for Competitive Games [28.019581365721677]
オフライン強化学習(RL)は、オンラインインタラクションなしで、固定データセットからポリシーの改善を可能にする。
本稿では,FF-FSPを提案する。
マトリックスゲーム、広角ポーカー、ボードゲームの実験は、OF-FSPが最先端のベースラインよりもはるかに低いエクスプロイラビリティを実現することを示した。
論文 参考訳（メタデータ） (2024-02-29T11:36:48Z) - All by Myself: Learning Individualized Competitive Behaviour with a
Contrastive Reinforcement Learning optimization [57.615269148301515]
競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。
本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。
我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2023-10-02T08:11:07Z) - Three-Player Game Training Dynamics [77.34726150561087]
単純化されたバイリニアスムースゲームの拡張版を用いて,3人プレイヤゲームトレーニングのダイナミクスを探索する。
ほとんどの場合、三線型ゲームはナッシュ均衡に収束しない。
更新と同時更新の交互化に加えて,新たな更新順序--maximizer-first-を探索する。
論文 参考訳（メタデータ） (2022-08-12T23:57:44Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - Bayesian Learning of Play Styles in Multiplayer Video Games [0.0]
オンラインマルチプレイヤーゲームBattlefield 3の階層的ベイズ回帰手法を開発した。
私たちはバトルフィールド3プレーヤーのサンプルの中で共通のプレースタイルを発見します。
総合的なハイパフォーマンスを示すプレイヤーのグループと、特定のゲームタイプ、マップ、ロールで特によく演奏するプレイヤーのグループを見つけます。
論文 参考訳（メタデータ） (2021-12-14T14:48:24Z) - Discovering Multi-Agent Auto-Curricula in Two-Player Zero-Sum Games [31.97631243571394]
明示的な人間設計なしに更新ルールの発見を自動化するフレームワークであるLMACを導入する。
意外なことに、人間のデザインがなくても、発見されたMARLアルゴリズムは競争力や性能が向上する。
LMAC は,例えば Kuhn Poker のトレーニングやPSRO の成績など,小型ゲームから大規模ゲームへの一般化が可能であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:30:25Z) - L2E: Learning to Exploit Your Opponent [66.66334543946672]
本稿では,暗黙的対向モデリングのための新しい学習フレームワークを提案する。
L2Eは、トレーニング中に異なる相手との対話によって、相手を悪用する能力を取得する。
本稿では, 対戦相手を自動的に生成する新しい対戦相手戦略生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-18T14:27:59Z) - Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。
対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。
我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文 参考訳（メタデータ） (2020-07-10T09:33:05Z) - Competitive Balance in Team Sports Games [8.321949054700086]
最終的なスコア差を用いることで,競争バランスの予測基準がさらに向上することを示す。
また、慎重に選択されたチームと個々の特徴に基づいて訓練された線形モデルが、より強力なニューラルネットワークモデルの性能をほぼ達成できることも示している。
論文 参考訳（メタデータ） (2020-06-24T14:19:07Z) - Suphx: Mastering Mahjong with Deep Reinforcement Learning [114.68233321904623]
我々は、新たに導入されたいくつかの技術を用いた深層強化学習に基づいて、Suphxという名のマフジョンのためのAIを設計する。
Suphxは、安定したランクの点で、ほとんどのトップの人間プレイヤーよりも強いパフォーマンスを示している。
コンピュータプログラムがマヒョンで最上位の人間プレイヤーを上回るのは、これが初めてである。
論文 参考訳（メタデータ） (2020-03-30T16:18:16Z)
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。