論文の概要: ShuttleArena: Interpretable Self-Play in Physics-Based Badminton
- arxiv url: http://arxiv.org/abs/2608.25246v1
- Date: Wed, 26 Aug 2026 00:07:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.498012
- Title: ShuttleArena: Interpretable Self-Play in Physics-Based Badminton
- Title（参考訳）: ShuttleArena:物理ベースのバドミントンにおける解釈可能なセルフプレイ
- Abstract要約: 本稿では,物理ベースのシングルス・バドミントン・セルフプレイ環境であるShuttleArenaについて述べる。
このポリシーはロール条件付き出力を使用し、受信機へのマスク付きインターセプション選択と、ショットアジマス、ショットハイト、ショットスピード、リカバリターゲットに対するファクタライズされたヒットターアクションである。
凍結したチェックポイントプレイ、制御された戦術プローブ、リカバリ改善、質的ロールアウト、および人間データの健全性チェックによる評価は、競争力の向上を示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Badminton is a compact but challenging domain for game AI: a player must choose a physically feasible shuttle trajectory, anticipate the opponent's interception, and recover to a court position whose value depends on the opponent's next response. The central challenge is that shot selection and recovery are not separable: the best recovery depends on the shot-induced opponent response, while the value of the shot depends on whether the hitter can cover the reply. This paper presents ShuttleArena, a physics-based singles badminton self-play environment that couples continuous shuttle flight, player interception, structured shot generation, and post-shot recovery. The policy uses role-conditioned outputs: a masked interception choice on receiver turns and a factorized hitter action over shot azimuth, shot elevation, shot speed, and recovery target, enabling interpretable tactical probes. Episodes are single rallies rather than full scored games, and training uses Proximal Policy Optimization (PPO) self-play against a staged checkpoint opponent pool with sparse terminal rally-outcome rewards and a factor-specific recovery update. Evaluation with frozen checkpoint play, controlled tactical probes, recovery ablations, qualitative rollouts, and a human-data sanity check shows competitive improvement together with interpretable opponent-conditioned changes in shot geometry and recovery behavior. The learned policies produce recognizable badminton-like structure while also reflecting the abstractions of the simulator, and the recovery intervention shows that learned recovery behavior is competitively important. These results suggest that physics-based racket sports are a useful testbed for interactive digital entertainment AI because they require agents to coordinate execution, positioning, and opponent-relative tactical value.
- Abstract（参考訳）: プレイヤーは物理的に実現可能なシャトル軌道を選択し、相手のインターセプションを予測し、相手の次の反応に依存する裁判所の位置に戻る必要がある。
ショット選択とリカバリは分離不可能であり、最高のリカバリはショット誘発の相手反応に依存し、ショットの値はヒットターが応答をカバーできるかどうかに依存する。
本稿では,連続シャトル飛行,プレーヤインターセプション,構造化ショット生成,ポストショットリカバリを両立させる物理ベースのシングルスバドミントンセルフプレイ環境であるShuttleArenaを提案する。
このポリシーはロール条件付き出力を使用し、受信機へのマスク付きインターセプション選択と、ショットアジマス、ショットハイト、ショットスピード、リカバリターゲットに対するファクタライズされたヒットターアクションにより、解釈可能な戦術プローブを可能にする。
エピソードは完全なスコアゲームではなく、単一のラリーであり、トレーニングでは、ステージ化されたチェックポイント対戦相手プールに対してPPO(Proximal Policy Optimization)のセルフプレイを使用し、スパース端末のラリーアウト報酬とファクター固有のリカバリ更新を行う。
凍結したチェックポイントプレイ, 制御された戦術プローブ, 回復率, 質的ロールアウト, および人間データの健全性チェックによる評価は, ショット幾何学とリカバリ行動の解釈可能な反対条件変化とともに競争力の向上を示す。
学習されたポリシーは、シミュレータの抽象化を反映しながら認識可能なバドミントン様の構造を生成し、リカバリの介入は、学習された回復行動が競争的に重要であることを示す。
これらの結果は,物理に基づくラケットスポーツがインタラクティブなデジタルエンターテイメントAIにとって有用なテストベッドであることが示唆された。
関連論文リスト
- Hierarchical Belief Modeling for Zero-Shot Opponent Adaptation in Partially Observable Multi-Agent Navigation [9.529619955597216]
Lux AI 第3シーズンでは、エージェントは部分観測可能性、ランダム化されたエピソードレベルのダイナミクス、そして戦術実行と迅速な適応の両方に報酬を与える5つのマッチ構造の下で行動する必要がある。
本稿では,対称性を意識した空間認識,二重メモリの信念追跡,中心的な残差グラフの注目,情報ゲイン駆動探索,および反対条件付き政策混合を組み合わせた階層型エージェントであるHoriZONを提案する。
論文 参考訳（メタデータ） (2026-09-11T04:17:38Z) - Chess on Ice: Curling Tactical Decision-Making via Backward Induction and Deep Reinforcement Learning [10.932188857276605]
カーリングにおける選択肢を定量的に評価・比較できる強化学習フレームワークを提案する。
我々は、ゲームにおける有限水平構造を利用するために、Deep Deterministic Policy Gradient actor-criticアルゴリズムを用いる。
実効的なカーリング戦略は人手による注釈付きデータなしで完全に自己管理的に得ることができることを示す。
論文 参考訳（メタデータ） (2026-08-03T15:23:42Z) - When Actions Disappear: Adversarial Action Removal in Self-Play Reinforcement Learning [0.0]
自己再生強化学習における対人行動マスキングについて検討する。
学習したマスキングは、ランダムなマスキングや学習した摂動よりもかなり多くの損傷を引き起こすことがわかった。
機械的には、敵はリーチ重みのあるアクションキャパシティによって捕捉される高価値な決定ポイントを目標とする。
論文 参考訳（メタデータ） (2026-05-04T14:05:39Z) - Chasing Moving Targets with Online Self-Play Reinforcement Learning for Safer Language Models [64.47869632167284]
従来の言語モデル(LM)の安全性アライメントは、リアクティブで非結合な手順に依存している。
このシーケンシャルなアプローチはミスマッチを生み出し、攻撃者は時代遅れの防御に過度に適合する一方、守備側は出現する脅威に常に遅れをとどめている。
我々は,攻撃者と防御エージェントが継続的なインタラクションを通じて共進化するオンラインセルフプレイ強化学習アルゴリズムであるSelf-RedTeamを提案する。
論文 参考訳（メタデータ） (2025-06-09T06:35:12Z) - LATTE-MV: Learning to Anticipate Table Tennis Hits from Monocular Videos [6.04077629908308]
本稿では,テーブルテニスの試合映像を3Dで再現するスケーラブルなシステムと,対戦行動を予測する不確実性認識コントローラを提案する。
本研究では,高速ヒットに対するボールリターン率を,ベースラインの非予測ポリシと比較して49.9%から59.0%に向上することを示す。
論文 参考訳（メタデータ） (2025-03-26T19:11:22Z) - Balance, Imbalance, and Rebalance: Understanding Robust Overfitting from
a Minimax Game Perspective [80.51463286812314]
敵対的訓練(AT)はおそらく、頑健な特徴を抽出するための最先端のアルゴリズムである。
ATは、特に学習率(LR)が崩壊した後、深刻な強固な過適合問題に悩まされる。
我々は, LR崩壊が, より強い記憶能力でトレーナーに力を与えることにより, ミニマックスゲーム間のバランスを損なうことを示す。
論文 参考訳（メタデータ） (2023-10-30T09:00:11Z) - A Reinforcement Learning Badminton Environment for Simulating Player
Tactics (Student Abstract) [4.7376902105662255]
我々はターン型スポーツに焦点をあて、異なる視点でアライリーをシミュレートすることでバドミントン環境を導入する。
このことは、過去の試合を戦術的な調査のためにシミュレートすることでコーチやプレイヤーに恩恵を与えるだけでなく、研究者が彼らの新しいアルゴリズムを迅速に評価することからも恩恵を受ける。
論文 参考訳（メタデータ） (2022-11-22T12:38:12Z) - Nash Equilibria and Pitfalls of Adversarial Training in Adversarial
Robustness Games [51.90475640044073]
本研究では,2プレイヤゼロサムゲームにおける最適応答戦略の交互化として,対戦訓練について検討する。
一方、ゲームのユニークな純粋なナッシュ均衡が存在し、確実に堅牢である。
論文 参考訳（メタデータ） (2022-10-23T03:21:01Z) - A Tale of HodgeRank and Spectral Method: Target Attack Against Rank
Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。
本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。
提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
論文 参考訳（メタデータ） (2022-09-13T05:59:02Z) - Moody Learners -- Explaining Competitive Behaviour of Reinforcement
Learning Agents [65.2200847818153]
競合シナリオでは、エージェントは動的環境を持つだけでなく、相手の行動に直接影響される。
エージェントのQ値の観察は通常、その振る舞いを説明する方法であるが、選択されたアクション間の時間的関係は示さない。
論文 参考訳（メタデータ） (2020-07-30T11:30:42Z) - 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。