論文の概要: STRATA: Self-Learning Through Role-Aligned Tiered Agents for Real-Time Strategy Games

• arxiv url: http://arxiv.org/abs/2609.38881v1
• Date: Wed, 30 Sep 2026 03:31:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.123506
• Title: STRATA: Self-Learning Through Role-Aligned Tiered Agents for Real-Time Strategy Games
• Title（参考訳）: STRATA: リアルタイム戦略ゲームのためのロールアラインタイアエージェントによるセルフラーニング
• Abstract要約: 我々は,レッドアラートのためのクロスゲーム・セルフラーニングを備えたロールアラインな階層システムSTRATAを提案する。 STRATAは戦略エージェント(SA)、論理エージェント(LA)、戦術エージェント(TA)に戦略的、論理的、戦術的決定を割り当てる SAはグローバルゲーム状態と関連するエクスペリエンスカードに基づいて高レベルディレクティブを生成し、LAとTAはロジスティクスと戦術実行を処理する。 本研究では,経験カードの形成,学習前後のフルマッチ比較,プレイスタイルの異なるAI相手に対する学習経験を通じて,STRATAを評価した。
• 参考スコア（独自算出の注目度）: 17.288255065164442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time strategy (RTS) games require agents to coordinate economic development, production and construction, base defense, unit organization, and attack timing over long matches. Existing studies have applied large language models to command decision-making in RTS games, enabling agents to read textual game states and generate high-level plans. However, long inference latency can cause them to miss critical tactical events. The complexity and tactical diversity of full RTS matches also leave existing systems heavily dependent on manually written experience-based prompts, with limited ability to learn continuously from past games. We present STRATA, a role-aligned hierarchical system with cross-game self-learning for Red Alert. STRATA assigns in-game strategic, logistical, and tactical decisions to a Strategic Agent (SA), Logistics Agent (LA), and Tactical Agent (TA), respectively. The SA generates high-level directives based on the global game state and relevant experience cards, while the LA and TA handle logistics and tactical execution. After each match, a Review Agent (RA) derives candidate experience from game traces, validates and revises it using evidence from subsequent matches, and compresses strategic experience supported across multiple games into concise experience cards for SA retrieval. We evaluate STRATA through the formation of experience cards, full-match comparisons before and after learning, and experience learning against AI opponents with different play styles. Under a fixed scenario, using the learned experience cards increases the observed win rate from 30% to 100%. Sequential learning against AI opponents with different play styles also produces distinct long-term strategic experience.
• Abstract（参考訳）: リアルタイム戦略(RTS)ゲームは、経済発展、生産と建設、基地防衛、部隊編成、長期戦における攻撃タイミングを調整するためのエージェントを必要とする。 既存の研究では、RTSゲームにおける意思決定を命令するために大きな言語モデルを適用しており、エージェントはテキストゲーム状態を読み、高いレベルの計画を生成することができる。 しかし、長時間の推論遅延は、重要な戦術イベントを見逃してしまう可能性がある。 フルRTSマッチの複雑さと戦術的多様性は、既存のシステムを手書きの体験ベースのプロンプトに大きく依存させ、過去のゲームから継続的に学習する能力に制限を与えている。 我々は,レッドアラートのためのクロスゲーム・セルフラーニングを備えたロールアラインな階層システムSTRATAを提案する。 STRATAは戦略エージェント(SA)、論理エージェント(LA)、戦術エージェント(TA)に戦略的、論理的、戦術的決定を割り当てる。 SAはグローバルゲーム状態と関連するエクスペリエンスカードに基づいて高レベルディレクティブを生成し、LAとTAはロジスティクスと戦術実行を処理する。 各試合の後、レビューエージェント(RA)は、ゲームトレースから候補経験を導き、その後の試合の証拠を用いてそれを検証し、修正し、複数のゲームでサポートされている戦略経験を、SA検索のための簡潔な体験カードに圧縮する。 本研究では,経験カードの形成,学習前後のフルマッチ比較,プレイスタイルの異なるAI相手に対する学習経験を通じて,STRATAを評価した。 固定されたシナリオでは、学習した経験カードを使用することで、観察された勝利率は30%から100%に増加する。 異なるプレイスタイルを持つAI相手に対するシーケンシャルな学習もまた、長期的な戦略的経験を生み出している。

関連論文リスト

• RTSGameBench: An RTS Benchmark for Strategic Reasoning by Vision-Language Models [22.162253325526127]
  リアルタイム戦略ゲームは、モダンビジョンランゲージモデル(VLM)の自然なテストベッドになり得る 戦場を拡大した大規模RTSゲームであるBeyond All Reason上に構築したRTSGameBenchを紹介する。 VLMが大規模RTSゲームで動作するためには,エージェントメモリを備えたFSMによるユニット管理を行うRTSGameAgentを提供する。
  論文  参考訳（メタデータ） (2026-06-17T11:32:51Z)
• Enhancing Language Agent Strategic Reasoning through Self-Play in Adversarial Games [60.213483076150844]
  本稿では,PLAY-And-Learn,SCO-PALを用いたステップレベルのポリCy最適化手法を提案する。 対戦相手を異なるレベルに設定することで、対戦相手の選択を詳細に分析し、戦略的推論を改善する最も効果的な方法が自己プレーであることを見出した。 我々は6試合でGPT-4に対して54.76%の勝利率を達成した。
  論文  参考訳（メタデータ） (2025-10-19T09:03:28Z)
• PillagerBench: Benchmarking LLM-Based Agents in Competitive Minecraft Team Environments [48.892997022500765]
  PillagerBenchは、Minecraftのリアルタイムの競合チーム-vs-チームシナリオでマルチエージェントシステムを評価するフレームワークである。 また,LLMベースのマルチエージェントシステムであるTactiCrafterを提案する。 評価の結果、TactiCrafterはベースラインのアプローチよりも優れており、自己学習による適応学習を誇示している。
  論文  参考訳（メタデータ） (2025-09-07T22:51:12Z)
• SC2Arena and StarEvolve: Benchmark and Self-Improvement Framework for LLMs in Complex Decision-Making Tasks [24.84821125790223]
  StarCraft IIのような既存のタスクのベンチマークは、ゲームの完全な複雑さを捉えていない。 SC2Arenaは、すべてのプレイ可能なレース、低レベルのアクションスペースを完全にサポートし、テキストベースの観察を最適化し、空間的推論の課題に対処するベンチマークである。 戦略計画と戦術実行を統合する階層的なフレームワークであるStarEvolveを紹介する。
  論文  参考訳（メタデータ） (2025-08-14T07:58:01Z)
• Who is a Better Player: LLM against LLM [53.46608216197315]
  本稿では,大規模言語モデル (LLM) の総合的な性能を評価するための対戦型ベンチマークフレームワークを提案する。 広範にプレイされている5つのゲームをサポートし,20のLDMを駆使したプレーヤーを対象とする,特別な評価プラットフォームであるQi Townを紹介した。
  論文  参考訳（メタデータ） (2025-08-05T06:41:47Z)
• Two-Step Reinforcement Learning for Multistage Strategy Card Game [0.0]
  本研究では,「指輪のロード:カードゲーム(LOTRCG)」に適した2段階強化学習(RL)戦略を紹介する。 本研究は,段階学習アプローチを採用することにより,従来のRL手法から分岐する。 また,異なるRLエージェントがゲームにおける様々な意思決定に使用されるマルチエージェントシステムについても検討した。
  論文  参考訳（メタデータ） (2023-11-29T01:31:21Z)
• Solving Royal Game of Ur Using Reinforcement Learning [0.0]
  我々はモンテカルロ、クラーニング、サーサといった異なる手法を用いてエージェントを訓練し、戦略的なUrゲームを行うための最適なポリシーを学ぶ。 アルゴリズムによる限られたリソースで訓練された場合、全体的なパフォーマンスは向上するが、期待されるSarsaは、学習の高速化に関して有望な結果を示す。
  論文  参考訳（メタデータ） (2022-08-23T01:26:37Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)
• The Design Of "Stratega": A General Strategy Games Framework [62.997667081978825]
  Strategaはターンベースおよびリアルタイム戦略ゲームを作成するためのフレームワークである。 このフレームワークは、統計的フォワードプランニング(SFP)エージェントに焦点を当てて構築されている。 我々は,このフレームワークとそのエージェントの開発が,戦略ゲームにおける複雑な意思決定プロセスの理解に役立つことを願っている。
  論文  参考訳（メタデータ） (2020-09-11T20:02:00Z)
• Efficient exploration of zero-sum stochastic games [83.28949556413717]
  ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。 限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。 私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
  論文  参考訳（メタデータ） (2020-02-24T20:30:38Z)

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。