論文の概要: Evaluating Game Difficulty in Tetris Block Puzzle

• arxiv url: http://arxiv.org/abs/2603.18994v2
• Date: Fri, 20 Mar 2026 03:41:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 13:01:03.914027
• Title: Evaluating Game Difficulty in Tetris Block Puzzle
• Title（参考訳）: テトリスブロックパズルにおけるゲーム難易度の評価
• Authors: Chun-Jui Wang, Jian-Ting Guo, Hung Guei, Chung-Chin Shih, Ti-Rong Wu, I-Chen Wu,
• Abstract要約: テトリスブロックパズル(テトリスブロックパズル、Tetris Block Puzzle)は、プレイヤーが8 x 8のグリッドにブロックを配置し、完全なラインを配置するシングルプレーヤーのSGAパズルである。 Gumbel AlphaZero (SGAZ) は環境に配慮した環境計画手法である。 我々は、トレーニング報酬やイテレーションなどの指標を用いて、保持ブロックh、プレビュー保持ブロックp、追加のテトリスブロック変種などのルール変更を評価する。
• 参考スコア（独自算出の注目度）: 12.396131056918257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tetris Block Puzzle is a single player stochastic puzzle in which a player places blocks on an 8 x 8 grid to complete lines; its popular variants have amassed tens of millions of downloads. Despite this reach, there is little principled assessment of which rule sets are more difficult. Inspired by prior work that uses AlphaZero as a strong evaluator for chess variants, we study difficulty in this domain using Stochastic Gumbel AlphaZero (SGAZ), a budget-aware planning agent for stochastic environments. We evaluate rule changes including holding block h, preview holding block p, and additional Tetris block variants using metrics such as training reward and convergence iterations. Empirically, increasing h and p reduces difficulty (higher reward and faster convergence), while adding more Tetris block variants increases difficulty, with the T-pentomino producing the largest slowdown. Through analysis, SGAZ delivers strong play under small simulation budgets, enabling efficient, reproducible comparisons across rule sets and providing a reference for future design in stochastic puzzle games.
• Abstract（参考訳）: テトリスブロックパズル(Tetris Block Puzzle)は、プレイヤーが8 x 8グリッド上のブロックを完全な行に配置する単一プレイヤー確率パズルである。 この到達にもかかわらず、どのルールセットがより難しいかという原則的な評価はほとんどない。 チェス変種に対する強力な評価指標としてAlphaZeroを用いた以前の研究に触発されて,確率的環境のための予算対応計画エージェントであるSGAZを用いて,この領域の難易度について検討した。 我々は、トレーニング報酬や収束反復といった指標を用いて、保持ブロックh、プレビュー保持ブロックp、追加のテトリスブロック変種などのルール変更を評価する。 経験的に、h と p の増加は困難(より高い報酬とより速い収束)を減少させる一方、テトリスブロックの変種の追加は困難を増し、T-ペントミノは最大の減速を生じさせる。 分析を通じて、SGAZは小さなシミュレーション予算の下で強力なプレイを行い、ルールセット間の効率的な再現可能な比較を可能にし、確率的なパズルゲームにおける将来の設計への参照を提供する。

関連論文リスト

• HardcoreLogic: Challenging Large Reasoning Models with Long-tail Logic Puzzle Games [47.168515381473576]
  大規模推論モデル(LRM)は、論理パズルゲームを含む複雑なタスクにおける印象的なパフォーマンスを実証している。 既存のコーパスは、9x9 Sudokuのような人気のパズルに焦点を当てており、標準フォーマットに過度に適合し、ソリューションパターンを記憶するリスクがある。 HardcoreLogicは10ゲームにわたる5000以上のパズルの挑戦的なベンチマークである。
  論文  参考訳（メタデータ） (2025-10-14T14:23:24Z)
• Instance-Dependent Regret Bounds for Learning Two-Player Zero-Sum Games with Bandit Feedback [60.610120215789976]
  純粋な戦略 ナッシュ均衡が存在するとき、$c$ は 0 となり、最適のインスタンス依存後悔境界となることを示す。 また,本アルゴリズムは最終段階の収束性も享受し,ほぼ最適サンプルを用いて純粋な戦略ナッシュ均衡を同定することができる。
  論文  参考訳（メタデータ） (2025-02-24T20:20:06Z)
• Automated Graph Genetic Algorithm based Puzzle Validation for Faster Game Desig [69.02688684221265]
  本稿では,コンピュータゲームにおける論理パズルを効率的に解くための進化的アルゴリズムを提案する。 制約満足度問題に対するハイブリッド遺伝的アプローチの様々なバリエーションについて論じる。
  論文  参考訳（メタデータ） (2023-02-17T18:15:33Z)
• Learning in Multi-Player Stochastic Games [1.0878040851638]
  有限ホライズン設定において、多くのプレイヤーとゲームにおける同時学習の問題を考える。 ゲームの典型的な対象解はナッシュ均衡であるが、これは多くのプレイヤーにとって難解である。 我々は異なるターゲットに目を向ける:全てのプレイヤーが使用するときの平衡を生成するアルゴリズム。
  論文  参考訳（メタデータ） (2022-10-25T19:02:03Z)
• Near-Optimal No-Regret Learning for General Convex Games [121.50979258049135]
  一般凸およびコンパクト戦略集合に対して後悔が得られることを示す。 我々の力学は、適度にエンハンリフトされた空間上の楽観的な従順化バウンドのインスタンス化にある。 先行結果が適用される特殊な場合であっても、我々のアルゴリズムは最先端の後悔よりも改善される。
  論文  参考訳（メタデータ） (2022-06-17T12:58:58Z)

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。

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。