論文の概要: Augmentations for Robust and Efficient Imitation Learning in Streamed Video Games

• arxiv url: http://arxiv.org/abs/2607.14200v1
• Date: Wed, 15 Jul 2026 17:07:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.861475
• Title: Augmentations for Robust and Efficient Imitation Learning in Streamed Video Games
• Title（参考訳）: ストリーミングゲームにおけるロバストかつ効率的な模倣学習のための強化
• Abstract要約: 低帯域ネットワーク接続によるストリーミング中に発生する4種類のアーティファクトを模倣するストリーミング拡張を提案する。 安定なストリーミング条件下では, 時間的拡張は, 拡張を伴わないエージェントと比較して最大41%高い評価性能が得られる。 ネットワークラグが導入されると、トレーニング対象のエージェントは7.45%しか低下せず、元のデータのみでトレーニング対象のエージェントは49.82%であった。
• 参考スコア（独自算出の注目度）: 8.793009090321926
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Imitation learning is an appealing way to scale game-playing agents to complex 3D environments by training policies to map visual observations to actions from human demonstrations. However, these demonstrations are expensive to collect and modern game-playing is often done through streaming in which network delay and compression introduce spatiotemporally correlated visual artifacts that can cause a covariance shift at test time. To address these challenges, we propose streaming augmentations that mimic four types of artifacts commonly encountered during streaming with low-bandwidth network connection: pixelated blocks and scrubs, global blur, and ghosting. We instantiate our approach on top of predictive inverse dynamics models (PIDM), which combine future-state conditioning with an inverse dynamics policy in a learned latent space, and evaluate the impact of our augmentations across three tasks in modern 3D video games. Under stable streaming conditions, agents trained with spatiotemporal augmentations achieve up to 41% higher evaluation performance compared to agents trained without augmentations under an identical data budget. When network lag is introduced, agents trained with augmentations degrade by only 7.45% vs 49.82% of the original performance for agents trained only with the original data. These results clearly indicate that spatiotemporal augmentations tailored for the streaming setting are a simple yet powerful tool to train robust and efficient game-playing agents.
• Abstract（参考訳）: シミュレーション学習は、人間のデモンストレーションからのアクションに視覚的な観察をマッピングするトレーニングポリシーによって、複雑な3D環境にゲームプレイングエージェントをスケールする魅力的な方法である。 しかし、これらのデモは収集に高価であり、現代のゲームプレイは、ネットワーク遅延と圧縮が時空間的に相関した視覚的アーティファクトを導入し、テスト時に共分散シフトを引き起こすようなストリーミングによって行われることが多い。 これらの課題に対処するため、我々は低帯域ネットワーク接続でストリーミング中に発生する4種類のアーティファクトを模倣するストリーミング拡張を提案する。 我々は,未来状態条件と学習された潜在空間における逆ダイナミクスポリシーを組み合わせた予測逆ダイナミクスモデル(PIDM)上で,我々のアプローチをインスタンス化し,現代の3Dビデオゲームにおける3つのタスクにまたがる拡張の影響を評価する。 安定したストリーミング条件下では、時空間増強で訓練されたエージェントは、同じデータ予算の下で訓練されたエージェントと比較して最大41%高い評価性能を達成する。 ネットワークラグが導入されると、トレーニング対象のエージェントは7.45%しか低下せず、元のデータのみをトレーニング対象とするエージェントのパフォーマンスは49.82%であった。 これらの結果は、ストリーミング設定に適した時空間拡張が、堅牢で効率的なゲームプレイングエージェントを訓練するためのシンプルかつ強力なツールであることを明らかに示している。

関連論文リスト

• COMBAT: Conditional World Models for Behavioral Agent Training [2.7205188669026277]
  我々は、複雑な1v1格闘ゲーム『テッケン3』で訓練されたリアルタイムアクション制御世界モデルであるCOMBATを紹介する。 我々の研究は、拡散モデルがプレイヤーのアクションに反応する動的相手をうまくシミュレートできることを実証している。 シングルプレイヤー入力のみに基づいてモデルをトレーニングすることで、洗練されたエージェント動作の出現を観察する。
  論文  参考訳（メタデータ） (2026-02-28T22:09:04Z)
• 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)
• Learning Representations in Video Game Agents with Supervised Contrastive Imitation Learning [0.6299766708197881]
  本稿では,教師付きコントラスト学習(SupCon)のイミテーション学習(IL)への応用について紹介する。 目標は、アクション関連因子をよりよく捉えた観測結果の潜在表現を得ることである。 Astro BotとReturnalの3Dゲームおよび複数の2Dアタリゲームの実験では、表現品質の向上、学習収束の高速化、一般化の向上が示されている。
  論文  参考訳（メタデータ） (2025-09-15T13:00:29Z)
• MoSiC: Optimal-Transport Motion Trajectory for Dense Self-Supervised Learning [66.53533434848369]
  密集した表現を学習する動き誘導型自己学習フレームワークを提案する。 6つの画像およびビデオデータセットと4つの評価ベンチマークにおいて、最先端を1%から6%改善する。
  論文  参考訳（メタデータ） (2025-06-10T11:20:32Z)
• DynaMo: In-Domain Dynamics Pretraining for Visuo-Motor Control [18.737628473949048]
  模倣学習は、複雑なビジュモータポリシーを訓練するための強力なツールであることが証明されている。 現在の手法では、高次元の視覚的観察を扱うために数百から数千の専門家によるデモンストレーションが必要となることが多い。 視覚表現を学習するための新しいドメイン内自己教師型DynaMoを提案する。
  論文  参考訳（メタデータ） (2024-09-18T17:59:43Z)
• Real-time Object Detection for Streaming Perception [84.2559631820007]
  ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。 ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。 提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
  論文  参考訳（メタデータ） (2022-03-23T11:33:27Z)
• Long-Short Temporal Contrastive Learning of Video Transformers [62.71874976426988]
  ビデオのみのデータセットにおけるビデオトランスフォーマーの自己教師付き事前トレーニングは、大規模画像データセットでの教師付き事前トレーニングで得られたものよりも、同等以上のアクション認識結果につながる可能性がある。 我々の手法は、長短時空間コントラスト学習(Long-Short Temporal Contrastive Learning)と呼ばれ、ビデオトランスフォーマーが、より長い時間的範囲から捉えた時間的文脈を予測することによって、効果的なクリップレベルの表現を学習することを可能にする。
  論文  参考訳（メタデータ） (2021-06-17T02:30:26Z)
• Spatiotemporal Contrastive Video Representation Learning [87.56145031149869]
  ラベルのないビデオから視覚的表現を学習するための,自己指導型コントラスト映像表現学習(CVRL)法を提案する。 我々の表現は、コントラスト時間的損失を用いて学習され、同じ短いビデオから2つの強化されたクリップが埋め込み空間にまとめられる。 本研究では,ビデオ自己教師型学習におけるデータ向上の要因について検討し,空間的情報と時間的情報の両方が重要であることを明らかにする。
  論文  参考訳（メタデータ） (2020-08-09T19:58:45Z)
• Forgetful Experience Replay in Hierarchical Reinforcement Learning from Demonstrations [55.41644538483948]
  本稿では,複雑な視覚環境において,エージェントが低品質な実演を行えるようにするためのアプローチの組み合わせを提案する。 提案した目標指向のリプレイバッファ構築により,エージェントはデモにおいて複雑な階層的タスクを解くためのサブゴールを自動的に強調することができる。 私たちのアルゴリズムに基づくこのソリューションは、有名なMineRLコンペティションのすべてのソリューションを破り、エージェントがMinecraft環境でダイヤモンドをマイニングすることを可能にする。
  論文  参考訳（メタデータ） (2020-06-17T15:38:40Z)
• Towards Learning to Imitate from a Single Video Demonstration [11.15358253586118]
  我々は,映像観察を模倣して学習できる強化学習エージェントを開発した。 我々は、Siameseリカレントニューラルネットワークアーキテクチャを使用して、モーションクリップ間の空間と時間における報酬を学習する。 シミュレーションされたヒューマノイド, 犬, ラプターエージェントを2D, 四足歩行, ヒューマノイドを3Dで示す。
  論文  参考訳（メタデータ） (2019-01-22T06:46:19Z)

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。