論文の概要: PokaiTrainer: Scaling Belief-State Search to Competitive Pokémon VGC

• arxiv url: http://arxiv.org/abs/2608.29197v1
• Date: Sat, 29 Aug 2026 11:11:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.873883
• Title: PokaiTrainer: Scaling Belief-State Search to Competitive Pokémon VGC
• Title（参考訳）: PokaiTrainer: 競争力のあるPokémon VGCにステート検索を拡大
• Abstract要約: 公式のダブルスフォーマット(VGC)における競合ポケモンは、一度に3つの仮定を全て破る。 両プレイヤーは数百のジョイントメニューから同時に行動し、それぞれのジョイントアクションは数百の結果に解決する。 PokaiEngineは、Pokémon Showdownと同等の$sim99%$パリティで、ジョイントアクションの完全な重み付けされた結果の分布を列挙する。 ライブのショーダウンベスト3のはしごで、エージェントは150セット中59%を、平均$sim1320$ Eloに対して勝ち取る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decision-time equilibrium search carried poker to superhuman play, but it has so far relied on tractable subgames: a handful of actions per decision, chance confined to card deals, one player moving at a time. Competitive Pokémon in its official doubles format (VGC) breaks all three assumptions at once. Both players act simultaneously from joint menus in the hundreds, each joint action resolves to hundreds of stochastic outcomes, and the opponent's reserves and stat allocations are hidden. We set out to build a strong VGC agent and report what that took. PokaiEngine, our Rust battle engine, enumerates a joint action's full weighted outcome distribution in one pass, at ${\sim}99\%$ parity with Pokémon Showdown and a fraction of the cost of sampling it. On top of the engine, PokaiTrainer adapts Student of Games to this scale, solving every decision as a Bayesian matrix game over public belief states and growing subgames under an explicit compute budget. On the live Showdown best-of-three ladder, the agent wins 59% of 150 sets against a human field averaging ${\sim}1320$ Elo. It settles into a 1350-1400 Elo band, and at its peak briefly entered the format's top 500.
• Abstract（参考訳）: 決定時間の平衡探索はポーカーを超人的な遊びに運んだが、これまでは、決定ごとに少数のアクション、カード取引に制限される可能性、一度に1人のプレーヤーが動くという、引き分け可能なサブゲームに依存してきた。 公式のダブルスフォーマット(VGC)における競合ポケモンは、一度に3つの仮定を全て破る。 両プレイヤーは数百のジョイントメニューから同時に行動し、それぞれのジョイントアクションは数百の確率的な結果に解決し、相手のリザーブとスタットの割り当ては隠される。 私たちは、強力なVGCエージェントを構築し、それが何をもたらしたかを報告しようとしました。 RustのバトルエンジンであるPokaiEngineは、共同アクションの完全な重み付けされた結果の分布を1パスで列挙しています。 エンジン上、PokaiTrainerは学生ゲームにこの規模を適応させ、ベイズ行列ゲームとしてのすべての決定を、公的な信念状態よりも解決し、明示的な計算予算の下で成長するサブゲームとして解決する。 ライブのShowdownベスト3のはしごで、エージェントは150セット中59%を、平均${\sim}1320$Eloで勝利する。 このバンドは1350-1400エロ・バンドに落ち着き、ピーク時にはこのフォーマットのトップ500に入った。

関連論文リスト

• The PokeAgent Challenge: Competitive and Long-Context Learning at Scale [45.224407977351824]
  PokeAgent Challengeは意思決定研究のための大規模なベンチマークだ。 Pokemonのマルチエージェントバトルシステムと拡張型ロールプレイングゲーム(RPG)環境上に構築されている。 我々のNeurIPS 2025コンペティションは、私たちのリソースの品質と、Pokemonに対する研究コミュニティの関心の両方を検証します。
  論文  参考訳（メタデータ） (2026-03-16T17:25:42Z)
• NitroGen: An Open Foundation Model for Generalist Gaming Agents [101.41866522979548]
  NitroGenは、ジェネラリストゲームエージェントのためのビジョンアクション基盤モデルである。 1000以上のゲームで4万時間のゲームプレイビデオでトレーニングされている。
  論文  参考訳（メタデータ） (2026-01-04T16:24:50Z)
• SpinGPT: A Large-Language-Model Approach to Playing Poker Correctly [2.5788559173418357]
  我々は、人気のある3人プレイのオンラインポーカーフォーマットであるSpin & Goに合わせた、最初のLarge Language ModelsであるSpinGPTを紹介する。 以上の結果から,SpinGPTは解答者の行動に78%の精度で一致していることがわかった。 これらの結果は、LLMがポーカーのようなマルチプレイヤー不完全な情報ゲームに対処する新しい方法になり得ることを示唆している。
  論文  参考訳（メタデータ） (2025-09-26T14:15:44Z)
• PokéChamp: an Expert-level Minimax Language Agent [17.007111119414745]
  本稿では,大言語モデル(LLM)を利用したミニマックスエージェントであるPok'eChampを紹介した。 Pok'eChampは2プレイヤーの競争ゲームのための一般的なフレームワーク上に構築されており、LLMのジェネラリスト機能を活用してミニマックスツリーサーチを強化している。 この作品は、500万以上のハイエロの試合を含む300万以上のゲームを含む、最も大きなリアルプレイヤーのポケモンバトルデータセットをコンパイルする。
  論文  参考訳（メタデータ） (2025-03-06T05:06:27Z)
• Multi-agent Multi-armed Bandits with Stochastic Sharable Arm Capacities [69.34646544774161]
  我々は、各アームへのリクエストの到着とプレイヤーへのリクエストの割り当てポリシーをキャプチャするマルチプレイヤーマルチアーム・バンディット(MAB)モデルの新しいバリエーションを定式化する。 課題は、プレイヤーが最適な腕引きプロファイルに従って腕を選択するように分散学習アルゴリズムを設計する方法である。 我々は,Mラウンドのみの最適腕引きプロファイルにおいて,プレイヤーがコンセンサスに達することを保証した反復分散アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-08-20T13:57:00Z)
• Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
  エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。 不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
  論文  参考訳（メタデータ） (2024-06-23T00:27:28Z)
• PokeLLMon: A Human-Parity Agent for Pokemon Battles with Large Language Models [7.653580388741887]
  戦術格闘ゲームにおいて,人間の対人性能を実現する最初のLDM型エージェントであるPokeLLMonを紹介する。 オンライン対人戦は、PokeLLMonの人間的な戦闘戦略とジャスト・イン・タイムの意思決定を実証している。
  論文  参考訳（メタデータ） (2024-02-02T03:22:12Z)
• Mastering the Game of Stratego with Model-Free Multiagent Reinforcement Learning [86.37438204416435]
  Strategoは、人工知能(AI)がまだマスターしていない数少ない象徴的なボードゲームの一つだ。 ストラテゴにおける決定は、行動と結果の間に明らかな結びつきがなく、多数の個別の行動に対してなされる。 DeepNashは、ストラテゴの既存の最先端AIメソッドを破り、Gravonゲームプラットフォームで年間(2022年)と最高3位を達成した。
  論文  参考訳（メタデータ） (2022-06-30T15:53:19Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Deep RL Agent for a Real-Time Action Strategy Game [0.3867363075280543]
  1対1のアクション戦略ゲームであるHeroic-Magic Duelをベースとした強化学習環境を導入する。 私たちの主な貢献は、競争レベルでゲームをする深層強化学習エージェントです。 私たちの最高のセルフプレイエージェントは、既存のAIに対して約65%の勝利率と、トップヒューマンプレイヤーに対して50%以上の勝利率を得ることができます。
  論文  参考訳（メタデータ） (2020-02-15T01:09:56Z)

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。