論文の概要: Domain-Independent Game Abstraction using Word Embedding Techniques
- arxiv url: http://arxiv.org/abs/2605.15543v1
- Date: Fri, 15 May 2026 02:30:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 03:45:13.153068
- Title: Domain-Independent Game Abstraction using Word Embedding Techniques
- Title（参考訳）: 単語埋め込みを用いたドメインに依存しないゲーム抽象化
- Authors: Juho Kim, Tuomas Sandholm,
- Abstract要約: 本稿では,ドメインに依存しないゲーム抽象化手法を提案する。
各アクションをワードとして、ゲームプレイデータをコーパスとして扱うことにより、各アクションを実数値ベクトルとして表現するように、ワードベクトルを訓練することができる。
- 参考スコア（独自算出の注目度）: 62.94836578759359
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many games of interest in the real world are often intractably large, thereby necessitating the use of game abstraction to shrink them in size, typically by many magnitudes. Over the last two decades, there have been significant advances in game abstraction; however, the domain-specific nature (usually poker) of much of the prior work prevents those techniques from being easily generalized to other settings without extensively analyzing the game at hand. In this paper, we propose a domain-independent approach to game abstraction, which applies word embedding techniques from the field of natural language processing. Treating each action as a word and gameplay data as a corpus, word vectors can be trained to represent each action as a real-valued vector, which can then be clustered to facilitate game abstraction. We also explore the use of foundational embedding models and show that action embeddings obtained this way can capture a surprising amount of information about the underlying game. Experimental results demonstrate that our proposed game abstraction technique is effective, although it does not outperform specialized algorithms tailored to specific games.
- Abstract（参考訳）: 現実の世界に関心を持つ多くのゲームは、しばしば難解なほど大きいため、ゲーム抽象化を用いることで、典型的には多くの大きさでそれらを縮小する必要がある。
過去20年間、ゲームの抽象化には大きな進歩があったが、それまでの作業の多くにおいて、ドメイン固有の性質(通常はポーカー)は、手元のゲームを広範囲に分析することなく、それらのテクニックを他の設定に簡単に一般化することを妨げる。
本稿では,自然言語処理の分野における単語埋め込み技術を適用した,ドメインに依存しないゲーム抽象化手法を提案する。
各アクションをワードとして扱い、ゲームプレイデータをコーパスとして扱うことで、ワードベクトルは各アクションを実数値ベクトルとして表現するように訓練することができる。
また,基礎的な埋め込みモデルの利用について検討し,この方法で得られたアクション埋め込みが,基盤となるゲームに関する情報を驚くほど多く取得できることを示す。
実験の結果,提案手法は,特定のゲームに適した特殊アルゴリズムよりは優れていないものの,有効であることが示された。
関連論文リスト
- AbsPyramid: Benchmarking the Abstraction Ability of Language Models with a Unified Entailment Graph [62.685920585838616]
抽象能力は人間の知性において必須であり、言語モデルでは未探索のままである。
本稿では、抽象知識の221Kテキスト記述を統一したエンテーメントグラフであるAbsPyramidを提案する。
論文 参考訳（メタデータ） (2023-11-15T18:11:23Z) - Public Information Representation for Adversarial Team Games [31.29335755664997]
対戦チームゲームは、プレイ中にチームメンバーが利用可能な非対称情報の中にあります。
本アルゴリズムは,対戦相手を持つ逐次チームゲームから古典的な2プレイヤーゼロサムゲームに変換する。
この問題のNPハード性のため、結果のパブリックチームゲームは元のゲームよりも指数関数的に大きいかもしれない。
論文 参考訳（メタデータ） (2022-01-25T15:07:12Z) - Spatial State-Action Features for General Games [5.849736173068868]
汎用ゲームのための空間状態対応機能の設計と効率的な実装を定式化する。
これらは、局所的な状態の変数にマッチするかどうかに基づいて、アクションをインセンティブまたは非インセンティブ化するようにトレーニングできるパターンである。
任意の機能セットに対して,アクティブな機能を評価するための効率的なアプローチを提案する。
論文 参考訳（メタデータ） (2022-01-17T13:34:04Z) - Revisiting Game Representations: The Hidden Costs of Efficiency in
Sequential Decision-making Algorithms [0.6749750044497732]
不完全な情報の下でのシーケンシャルな意思決定アルゴリズムの進歩は、大きなゲームで顕著な成功を収めている。
これらのアルゴリズムは伝統的に広義のゲーム形式を用いてゲームを形式化する。
プレイヤー固有の情報状態木に基づく特殊表現の使用が,一般的な回避策であることを示す。
論文 参考訳（メタデータ） (2021-12-20T22:34:19Z) - Learning Dynamic Belief Graphs to Generalize on Text-Based Games [55.59741414135887]
テキストベースのゲームをプレイするには、自然言語処理とシーケンシャルな意思決定のスキルが必要である。
本研究では,原文からエンドツーエンドに学習したグラフ構造化表現を用いて,エージェントがテキストベースのゲームでどのように計画・一般化できるかを検討する。
論文 参考訳（メタデータ） (2020-02-21T04:38:37Z) - Exploration Based Language Learning for Text-Based Games [72.30525050367216]
本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。
テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。
これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
論文 参考訳（メタデータ） (2020-01-24T03:03:51Z)
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。