論文の概要: Play Like Champions: Counterfactual Feedback Generation in Latent Space

• arxiv url: http://arxiv.org/abs/2607.00190v1
• Date: Tue, 30 Jun 2026 21:15:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.642104
• Title: Play Like Champions: Counterfactual Feedback Generation in Latent Space
• Title（参考訳）: Play Like Champions: ラテントスペースにおける対実的なフィードバック生成
• Abstract要約: 本稿では,反ファクトパス生成のためのフレームワークであるLatent Maps of Performanceを紹介する。 我々は23,305のプロトーナメントリプレイでガイド付き変分オートエンコーダモデルを訓練した。 我々は、私たちが採用しているパスフィニング手法にはトレードオフがあり、将来の研究が人間の改善のためのモデルソリューションの開発に集中することを望んでいると結論づける。
• 参考スコア（独自算出の注目度）: 10.090846922590462
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in reinforcement learning have produced superhuman agents across a wide range of competitive games. As a byproduct, researchers have begun studying how these agents play, extracting behavioral representations, analyzing decision structure, and modeling the latent geometry of expert performance. However, this growing body of work has overwhelmingly focused on defeating human players rather than providing feedback, leaving a critical gap in creating model solutions to improve human players. Unlike chess and Go, where AI has become integral to player training, real-time strategy (RTS) games lack principled frameworks for translating expert knowledge into actionable feedback. We introduce Latent Maps of Performance, a framework for counterfactual path generation. We focus on StarCraft~II data to model player improvement as an algorithmic recourse within a learned representation space. As inspiration for our work, we have looked at the championship model used in sports science. We trained a Guided Variational Autoencoder model on 23,305 professional tournament replays, enabling counterfactual traversal between losing and winning gameplay profiles. To fulfill our goal, we have devised and verified four traversal strategies on out-of-distribution (OOD) data randomly sampled from a dataset of amateur replays, namely linear interpolation, iterative optimal transport, density-regularized gradient ascent, and neural flow matching, each designed to generate multi-step improvement trajectories that remain grounded in observed expert behavior while moving a player's profile toward winning configurations. Feedback is extracted at multiple granularities to support players at different stages of improvement. Finally, we conclude that there is a trade-off between the path-finding methods we employ and hope that future research will focus on developing model solutions for human improvement.
• Abstract（参考訳）: 近年の強化学習の進歩は、多種多様な競争ゲームでスーパーヒューマンエージェントを生み出している。 副産物として、これらのエージェントがどのように機能するか、行動表現を抽出し、決定構造を分析し、専門家のパフォーマンスの潜在幾何学をモデル化し始めている。 しかし、この成長する仕事の主体は、フィードバックを提供するのではなく、人間のプレイヤーを倒すことに集中しており、人間のプレイヤーを改善するためのモデルソリューションを作成する上で重要なギャップを残しています。 AIがプレイヤーのトレーニングに不可欠なチェスや囲碁とは異なり、リアルタイム戦略(RTS)ゲームでは、専門家の知識を行動可能なフィードバックに変換するための原則的なフレームワークが欠如している。 本稿では,反ファクトパス生成のためのフレームワークであるLatent Maps of Performanceを紹介する。 本稿では,学習した表現空間内でのアルゴリズム的リコースとして,プレイヤー改善をモデル化するためのStarCraft~IIデータに焦点をあてる。 本研究のインスピレーションとして,スポーツ科学におけるチャンピオンシップモデルについて検討した。 我々は23,305のプロトーナメントリプレイに対して,ガイド付き変分オートエンコーダモデルを訓練し,敗戦と勝利の間の対実的トラバースを可能にした。 目的を達成するために、我々は、線形補間、反復的最適輸送、密度正規化勾配上昇、ニューラルフローマッチングといったアマチュアリプレイのデータセットからランダムにサンプリングされた、アウト・オブ・ディストリビューション(OOD)データに関する4つのトラバース戦略を考案し、検証した。 フィードバックは、さまざまな改善段階のプレイヤーをサポートするために、複数の粒度で抽出される。 最後に、私たちが採用しているパスフィニング手法との間にはトレードオフがあり、将来の研究が人間の改善のためのモデルソリューションの開発に集中することを願っていると結論付けます。

関連論文リスト

• Odysseus: Scaling VLMs to 100+ Turn Decision-Making in Games via Reinforcement Learning [50.464623632604976]
  本研究では,スーパーマリオランドにおける長期意思決定のための視覚言語モデル(VLM)の学習について検討する。 本稿では,軽量なターンレベルの批評家によるPPOの適応版を提案し,トレーニングの安定性とサンプル効率を大幅に向上させる。 我々は,VLMエージェントのオープントレーニングフレームワークであるOdysseusを紹介し,ゲーム内の複数のレベルにおいて,実質的なゲインを達成する。
  論文  参考訳（メタデータ） (2026-05-01T02:05:56Z)
• GenTac: Generative Modeling and Forecasting of Soccer Tactics [66.35532694378146]
  GenTacはサッカーの戦術を、連続したマルチプレイヤーの軌跡と個別の意味的な出来事のプロセスとして概念化している。 対戦行動、特定のチームやリーグプレースタイル、戦略的目的など、リッチなコンテキスト条件付けをサポートする。 バスケットボール、アメリカンフットボール、アイスホッケーなど、他のダイナミックチームスポーツへの一般化をうまく訓練することができる。
  論文  参考訳（メタデータ） (2026-04-13T17:53:49Z)
• 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)
• Human-Like Goalkeeping in a Realistic Football Simulation: a Sample-Efficient Reinforcement Learning Approach [35.515515697546554]
  本稿では,産業環境下での訓練や微調整に適したサンプル効率のよい深層強化学習法を提案する。 EA SPORTS FC 25におけるゴールキーパーエージェントのトレーニングを,今日最も売れているサッカーシミュレーションの一つとして評価した。 我々のエージェントは、ゲームに組み込まれたAIを10%のボールセーブレートで上回ります。
  論文  参考訳（メタデータ） (2025-10-27T11:06:00Z)
• Play Style Identification Using Low-Level Representations of Play Traces in MicroRTS [0.0]
  プレイスタイルの識別は、貴重なゲームデザインの洞察を与え、適応的な体験を可能にする。 これまでの作業は、手作りの機能を使ったプレイトレース表現を構築するためのドメイン知識に依存していた。 本研究では,教師なしCNN-LSTMオートエンコーダモデルを用いて,低レベルプレイトレースデータから直接遅延表現を求める。
  論文  参考訳（メタデータ） (2025-07-14T11:35:43Z)
• Behavioural Cloning in VizDoom [1.4999444543328293]
  本稿では,Imitation Learning (IL) による自律エージェントのゲーム「Doom 2」の学習方法について述べる。 また,Reinforcement Learning (RL) がカメラの動きと軌跡データを比較することで,人間性に対するILとの比較を行う。
  論文  参考訳（メタデータ） (2024-01-08T16:15:43Z)
• Lucy-SKG: Learning to Play Rocket League Efficiently Using Deep Reinforcement Learning [0.0]
  本稿では,Rocket Leagueをサンプル効率でプレイする方法を学習した強化学習ベースのモデルであるLucy-SKGを紹介する。 コントリビューションには、報酬分析と可視化ライブラリの開発、新しいパラメータ化可能な報酬形状関数、補助的ニューラルネットワークなどがある。
  論文  参考訳（メタデータ） (2023-05-25T07:33:17Z)
• 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)
• 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)
• Deep Policy Networks for NPC Behaviors that Adapt to Changing Design Parameters in Roguelike Games [137.86426963572214]
  例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。 複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-12-07T08:47:25Z)
• DeepCrawl: Deep Reinforcement Learning for Turn-based Strategy Games [137.86426963572214]
  Deep CrawlはiOSとAndroid用の完全にプレイ可能なRogueライクなプロトタイプで、すべてのエージェントがDeep Reinforcement Learning (DRL)を使用してトレーニングされたポリシーネットワークによって制御される。 本研究の目的は、近年のDRLの進歩が、ビデオゲームにおける非プレイヤーキャラクターに対する説得力のある行動モデルの開発に有効であるかどうかを理解することである。
  論文  参考訳（メタデータ） (2020-12-03T13:53:29Z)
• 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)

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。