論文の概要: Towards Generalist Game Players: An Investigation of Foundation Models in the Game Multiverse

• arxiv url: http://arxiv.org/abs/2605.09965v2
• Date: Tue, 12 May 2026 15:54:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 18:21:07.04563
• Title: Towards Generalist Game Players: An Investigation of Foundation Models in the Game Multiverse
• Title（参考訳）: 汎用ゲームプレイヤーを目指して : ゲームマルチバースにおける基礎モデルの検討
• Authors: Kuan Zhang, Dongchen Liu, Qiyue Zhao, Tianyu Xin, Yue Su, Haisheng Wang, Han Yin, Hongbo Ma, Peize Li, Tianjun Gu, Xiangnan Wu, Xinran Zhang, Yongxuan Li, Zirong Chen, Yiming Li,
• Abstract要約: ゲームは、単なるエンターテイメントから、人工知能のトレーニングと評価の究極の場へと進化してきた。 私たちは、データセット、モデル、ハーネス、ベンチマークの4つの柱に沿って、ジェネラリストゲームプレイヤの完全なライフサイクルをトレースします。 このエンド・ツー・エンドの視点に基づいて、5段階のロードマップをグラフ化し、エージェントが理論ゲームマルチバース内で同時に生成し進化する、単一ゲームの熟達から究極の創造段階へと進む。
• 参考スコア（独自算出の注目度）: 15.316903851488439
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The real world unfolds along a single set of physics laws, yet human intelligence demonstrates a remarkable capacity to generalize experiences from this singular physical existence into a multiverse of games, each governed by entirely different rules, aesthetics, physics, and objectives. This omni-reality adaptability is a hallmark of general intelligence. As Artificial Intelligence progresses towards Artificial General Intelligence, the multiverse of games has evolved from mere entertainment into the ultimate ground for training and evaluating AGI. The pursuit of this generality has unfolded across four eras: from environment-specific symbolic and reinforcement learning agents, to current large foundation models acting as generalist players, and toward a future creator stage where agent both creates new game worlds and continually evolves within them. We trace the full lifecycle of a generalist game player along four interdependent pillars: Dataset, Model, Harness, and Benchmark. Every advance across these pillars can be read as an attempt to break one of five fundamental trade-offs that currently bound the whole system. Building on this end-to-end view, we chart a five-level roadmap, progressing from single-game mastery to the ultimate creator stage in which the agent simultaneously creates and evolves within theoretical game multiverse. Taken together, our work offers a unified lens onto a rapidly shifting field,and a principled path toward the omnipotent generalist agent capable of seamlessly mastering any challenge within the multiverse of games, thereby paving the way for AGI.
• Abstract（参考訳）: 現実世界は1つの物理法則に沿って展開するが、人間の知性は、この特異な物理的存在から経験を多元的ゲームへと一般化する顕著な能力を示し、それぞれは全く異なる規則、美学、物理学、目的によって支配されている。 この全能適応性は一般知能の目印である。 人工知能が人工知能に進化するにつれて、ゲームは単なるエンターテイメントから、AGIのトレーニングと評価の究極の場へと進化してきた。 この一般化の追求は、環境固有の象徴的および強化学習エージェントから、ジェネラリストプレイヤーとして機能する現在の大規模な基盤モデル、そしてエージェントがどちらも新しいゲーム世界を創造し、その内部で継続的に進化する未来の創造的段階へと、4つの時代にわたって展開されてきた。 我々は、データセット、モデル、ハーネス、ベンチマークの4つの独立した柱に沿って、ジェネラリストゲームプレイヤの完全なライフサイクルをトレースする。 これらの柱を横断するすべての進歩は、現在システム全体を束縛している5つの基本的なトレードオフのうちの1つを壊そうとする試みとして読むことができる。 このエンド・ツー・エンドの視点に基づいて、5段階のロードマップをグラフ化し、エージェントが理論ゲームマルチバース内で同時に生成し進化する、単一ゲームの熟達から究極の創造段階へと進む。 同時に、我々の研究は統合されたレンズを急速にシフトする場に提供し、またゲーム多元空間における難題をシームレスにマスターし、AGIへの道を開くことができる全能的な一般エージェントへの原則的な道筋を提供する。

関連論文リスト

• AI Gamestore: Scalable, Open-Ended Evaluation of Machine General Intelligence with Human Games [63.29377274531968]
  我々はAI GameStoreを紹介した。これはスケーラブルでオープンなプラットフォームで、新しい代表的人間のゲームを合成する。 Apple App StoreとSteamのトップチャートに基づいて100のゲームを生成し、短いプレイで7つのフロンティアビジョン言語モデル(VLM)を評価します。 最高のモデルは、ほとんどのゲームで人間の平均スコアの10%未満を達成し、特に世界モデルの学習、記憶、計画に挑戦するゲームに苦戦した。
  論文  参考訳（メタデータ） (2026-02-19T18:17:25Z)
• Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
  本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。 Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。 実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-27T17:43:51Z)
• CivRealm: A Learning and Reasoning Odyssey in Civilization for Decision-Making Agents [63.79739920174535]
  文明ゲームに触発された環境であるCivRealmを紹介する。 CivRealmは、意思決定エージェントにとってユニークな学習と推論の課題である。
  論文  参考訳（メタデータ） (2024-01-19T09:14:11Z)
• Multi-Game Decision Transformers [49.257185338595434]
  そこで本研究では,1つのトランスフォーマーモデルを用いて,最大46個のAtariゲーム群を,人間に近いパフォーマンスで同時にプレイ可能であることを示す。 オンラインやオフラインのRL手法や行動クローンなど,マルチゲーム設定におけるいくつかのアプローチを比較した。 マルチゲーム決定変換モデルは、最高のスケーラビリティとパフォーマンスを提供します。
  論文  参考訳（メタデータ） (2022-05-30T16:55:38Z)
• Human-Level Reinforcement Learning through Theory-Based Modeling, Exploration, and Planning [27.593497502386143]
  理論に基づく強化学習は、人間のような直感的な理論を使って環境を探索しモデル化する。 EMPAと呼ばれるゲームプレイエージェントのアプローチをインスタンス化する。 EMPAは90のAtariスタイルのビデオゲームで人間の学習効率と一致します。
  論文  参考訳（メタデータ） (2021-07-27T01:38:13Z)
• Evolutionary Game Theory Squared: Evolving Agents in Endogenously Evolving Zero-Sum Games [27.510231246176033]
  本稿では、エージェントとプレイするゲームの両方が戦略的に進化する競争環境のクラスを紹介し、分析する。 エージェントの人口は、現在の人口混合物に反対して進化するゼロサム競争で互いに競います。 驚くべきことに、エージェントとゲームのカオスな共進化にもかかわらず、システムは多くの規則性を示すことを証明しています。
  論文  参考訳（メタデータ） (2020-12-15T15:54:46Z)
• Neural MMO v1.3: A Massively Multiagent Game Environment for Training and Evaluating Neural Networks [48.5733173329785]
  本稿では,MMOにインスパイアされたマルチエージェントゲーム環境であるNeural MMOを紹介する。 分散インフラストラクチャとゲームIOという,AI研究のためのマルチエージェントシステムエンジニアリングにおける,より一般的な2つの課題について論じる。
  論文  参考訳（メタデータ） (2020-01-31T18:50:02Z)

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。