論文の概要: Synthesizing Reactive Character Behaviors for Continuous Games via Programmatic Policy Search

• arxiv url: http://arxiv.org/abs/2609.24025v1
• Date: Mon, 21 Sep 2026 02:47:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:03.963892
• Title: Synthesizing Reactive Character Behaviors for Continuous Games via Programmatic Policy Search
• Title（参考訳）: プログラム的ポリシー探索による連続ゲームのためのリアクティブなキャラクタ動作の合成
• Abstract要約: 本稿では,連続ゲームにおけるリアクティブキャラクタの動作を,コンパクトで可読なプログラムとして合成する手法を提案する。 ゲームAIのプラクティスは、手作業による動作ツリー、ステートマシン、スクリプトに大きく依存しています。 我々のアプローチは、連続空間ゲームポリシーのためのドメイン固有の言語を直接検索することで、このギャップを埋める。
• 参考スコア（独自算出の注目度）: 13.919533131838477
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a method for synthesizing reactive character behaviors for continuous games as compact, human-readable programs. Game AI practice still relies heavily on manually authored behavior trees, state machines, and scripts, while academic reinforcement learning typically produces opaque neural controllers that are expensive to train and difficult to edit. Our approach bridges this gap by searching directly over a domain-specific language for continuous-space game policies. The language is designed around reactive geometric decisions and includes higher-order constructs such as direction maximization. These constructs help discretize a continuous behavior space into enumerable program structures. To make program search practical, we introduce a large set of synthesis antipatterns that remove redundant program forms while preserving behavioral coverage. We further combine bottom-up symbolic enumeration with top-down guidance from a coding agent. Our resulting method, agentic sketching, has the agent propose high-level policy structure and call an enumerator to complete local program slots. We evaluate the method on a benchmark of 14 continuous games, ranging from classic control tasks to multi-agent football. We find that pure enumeration is often more efficient than using a coding agent alone, while the combined method substantially outperforms both. Our results suggest that programmatic policy search can be a practical authoring tool for game AI: designers specify reward functions, and the system discovers editable behaviors that are effective, portable, and often surprising.
• Abstract（参考訳）: 本稿では,連続ゲームにおけるリアクティブキャラクタの動作を,コンパクトで可読なプログラムとして合成する手法を提案する。 ゲームAIの実践は、手動で作成した行動木、状態マシン、スクリプトに大きく依存しているが、学術的な強化学習は通常、トレーニングが高価で編集が難しい不透明なニューラルコントローラを生成する。 我々のアプローチは、連続空間ゲームポリシーのためのドメイン固有の言語を直接検索することで、このギャップを埋める。 言語はリアクティブな幾何学的決定を中心に設計されており、方向の最大化のような高次構造を含んでいる。 これらの構造は、連続的な振る舞い空間をエネルブルなプログラム構造に識別するのに役立ちます。 プログラム探索を実用的なものにするために,動作カバレッジを保ちながら冗長なプログラムフォームを除去する大規模な合成アンチパターンを導入する。 さらに、ボトムアップシンボル列挙と、コーディングエージェントからのトップダウンガイダンスを組み合わせる。 提案手法はエージェントスケッチであり,エージェントが高レベルなポリシー構造を提案し,列挙子を呼び出してローカルプログラムスロットを完了させる。 本手法は,古典的な制御タスクからマルチエージェントフットボールまで,14の連続試合のベンチマークで評価する。 純粋な列挙法は、符号化エージェント単独よりも効率的であることが多いが、この組み合わせ法は両者を大きく上回っている。 設計者は報酬関数を指定し、システムは効果的でポータブルで、しばしば驚くような編集可能な動作を発見する。

関連論文リスト

• A Few Words Go a Long Way: Language Guided Robot Policy Synthesis [9.088404024682706]
  ARCHITECTは、ロボットポリシー取得をインタラクティブなプログラム合成タスクとして扱うフレームワークである。 我々は,人間の監督者が政策を操縦するために自然言語の修正を行う反復的なプロセスを導入する。 フランカパンダロボットのベンチマーク評価では、ARCHITECTは最先端のVLAモデルより優れている。
  論文  参考訳（メタデータ） (2026-07-26T18:00:02Z)
• Behavioral Embeddings of Programs: A Quasi-Dynamic Approach for Optimization Prediction [35.89884852302035]
  本稿では,プログラム表現のための新しい準動的フレームワークを提案する。 中心となる洞察は、プログラムの最適化感度をモデル化することである。 この高次元連続スペクトルを効果的に符号化するために,我々は合成学習アプローチを開拓した。
  論文  参考訳（メタデータ） (2025-10-15T05:18:41Z)
• Learning Game-Playing Agents with Generative Code Optimization [5.8375920147692115]
  我々は,Pythonプログラムとしてポリシーを表現し,大規模言語モデル(LLM)を用いて洗練されるゲームプレイングエージェントを学習するための生成的最適化手法を提案する。 提案手法は意思決定方針を自己進化型コードとして扱い,現在の観察を入力として,ゲーム内アクションを出力として,エージェントが実行トレースや自然言語フィードバックを最小限の介入で自己改善することができる。
  論文  参考訳（メタデータ） (2025-08-27T01:30:20Z)
• LILO: Learning Interpretable Libraries by Compressing and Documenting Code [71.55208585024198]
  LILOは、反復的に合成、圧縮、文書化を行う、ニューロシンボリックなフレームワークである。 LILOは、LLM誘導プログラム合成と、Stitchから自動化された最近のアルゴリズムの進歩を組み合わせたものである。 LILOのシンセサイザーが学習した抽象化を解釈し、デプロイするのを手助けすることで、AutoDocがパフォーマンスを向上させることが分かりました。
  論文  参考訳（メタデータ） (2023-10-30T17:55:02Z)
• Learning of Generalizable and Interpretable Knowledge in Grid-Based Reinforcement Learning Environments [5.217870815854702]
  本稿では,強化学習ポリシーを模倣するプログラム合成を提案する。 我々は,グリッド環境における概念学習に最先端のプログラム合成システムDreamCoderを適用した。
  論文  参考訳（メタデータ） (2023-09-07T11:46:57Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Augmenting Reinforcement Learning with Behavior Primitives for Diverse Manipulation Tasks [17.13584584844048]
  本研究では,MAnipulation Primitive-augmented reinforcement LEarning (MAPLE)を導入した。 我々は、プリミティブを巻き込み、それらの実行を入力パラメータでインスタンス化する階層的なポリシーを開発する。 我々は、MAPLEが、シミュレーション操作タスクのスイートにおいて、ベースラインアプローチをかなりのマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2021-10-07T17:44:33Z)
• Searching for More Efficient Dynamic Programs [61.79535031840558]
  本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。 実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
  論文  参考訳（メタデータ） (2021-09-14T20:52:55Z)
• Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
  LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。 最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
  論文  参考訳（メタデータ） (2021-06-18T15:08:47Z)

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。