論文の概要: Temporal-Difference Learning for Dragonchess

• arxiv url: http://arxiv.org/abs/2610.01845v1
• Date: Thu, 01 Oct 2026 15:11:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.218262
• Title: Temporal-Difference Learning for Dragonchess
• Title（参考訳）: 竜脚の時間差学習
• Abstract要約: 本研究は,3次元チェス環境であるドラゴンチェスにおいて,進化的移動学習とTD(lambda)の2つの適応型AI手法がどのように機能するかを考察する。 このゲームは、ユニークなボード構造と計算負荷でプレイヤーに挑戦し、新しい環境でのアダプティブメソッドがどのように評価を更新できるかを研究するのに理想的な設定となっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our research investigates how two adaptive AI methods, evolutionary transfer learning and TD(lambda), perform in the three-dimensional chess environment Dragonchess. The game challenges players with its unique board structure and computational load, making it an ideal setting to study how adaptive methods can update evaluation heuristics in novel environments. In this work we re-implement the Dragonchess engine, changing it from a PyGame engine to C++. This enables faster gameplay, allowing us to run 10,000 games with confidence intervals and significance tests, rather than a single small tournament. Both adaptive methods outperform all other agents in the round-robin tournament. Our results showed that there is no significant difference in the performance between the evolved and learned evaluations. This research establishes the efficacy of adaptive methods in structurally complex, novel game domains.
• Abstract（参考訳）: 本研究では,進化的移動学習とTD(lambda)という2つの適応型AI手法が,Dragonchessの3次元チェス環境においてどのように機能するかを検討する。 このゲームは、ユニークなボード構造と計算負荷でプレイヤーに挑戦し、新しい環境における評価ヒューリスティックスをどのように更新するかを研究するのに理想的な設定となっている。 この作業ではDragonchessエンジンを再実装し、PyGameエンジンからC++に変更しました。 これにより、1つの小さなトーナメントではなく、信頼区間と重要なテストで1万のゲームを実行することができる。 どちらのアダプティブメソッドもラウンドロビントーナメントの他のエージェントよりも優れています。 その結果, 評価結果と学習結果に有意な差は認められなかった。 本研究は、構造的に複雑で新しいゲーム領域における適応的手法の有効性を確立する。

関連論文リスト

• Evolutionary Transfer Learning for Dragonchess [0.0]
  我々はDragonchessをAI研究のための新しいテストベッドとして紹介し、コミュニティ向けのオープンソースのPythonベースのゲームエンジンを提供する。 本研究は,主要なチェスエンジンであるストックフィッシュから直接評価関数を適応させることにより,進化的移行学習について検討する。
  論文  参考訳（メタデータ） (2026-03-16T13:58:16Z)
• EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems [59.66823584073748]
  現在のAIエージェントの基本的な制限は、テスト時に複雑なスキルをその場で学べないことだ。 EvoTestは,エージェントの微調整や勾配を伴わずにエージェントを改良する,進化的テストタイム学習フレームワークである。
  論文  参考訳（メタデータ） (2025-10-15T07:16:28Z)
• Neural Population Learning beyond Symmetric Zero-sum Games [52.20454809055356]
  我々はNuPL-JPSROという,スキルの伝達学習の恩恵を受けるニューラル集団学習アルゴリズムを導入し,ゲームの粗相関(CCE)に収束する。 本研究は, 均衡収束型集団学習を大規模かつ汎用的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2024-01-10T12:56:24Z)
• Evolutionary Tabletop Game Design: A Case Study in the Risk Game [0.1474723404975345]
  本研究は、テーブルトップゲームに対するアプローチの拡張を提案し、リスクの変種を生成することによってプロセスを評価する。 我々は、選択したパラメータを進化させる遺伝的アルゴリズムと、ゲームをテストするルールベースのエージェントを用いてこれを達成した。 結果は、より小さなマップを持つオリジナルゲームの新たなバリエーションが作成され、結果としてより短いマッチとなることを示している。
  論文  参考訳（メタデータ） (2023-10-30T20:53:26Z)
• Genetic Algorithms for Evolution of QWOP Gaits [0.0]
  QWOPはブラウザベースの2次元フラッシュゲームで、選手は100メートルの模擬レースに出場するオリンピックの陸上競技選手を制御する。 ゲームの目的は、走者の足の筋肉を制御するQ、W、O、Pキーを使用して、100メートルレースの終了までできるだけ早く走者を進めることである。 単純なコントロールと単純なゴールにもかかわらず、難易度と直感的なゲームプレイで有名である。
  論文  参考訳（メタデータ） (2023-10-18T12:53:50Z)
• No-Regret Learning in Time-Varying Zero-Sum Games [99.86860277006318]
  固定ゼロサムゲームにおける繰り返しプレイからの学習は、ゲーム理論とオンライン学習における古典的な問題である。 提案手法は,3つの性能基準の下で,良好な保証を同時に享受できる1つのパラメータフリーアルゴリズムである。 本アルゴリズムは,ある特性を満たすブラックボックスベースラーナー群に対するメタアルゴリズムを用いた2層構造に基づく。
  論文  参考訳（メタデータ） (2022-01-30T06:10:04Z)
• Efficient Policy Space Response Oracles [61.71849698253696]
  ポリシー空間応答 Oracle 法 (PSRO) は、2プレイヤーゼロサムゲームにおけるナッシュ均衡の一般解を提供する。 我々の開発の中心は、制限なし(URR)ゲームにおけるミニマックス最適化の導入である。 壁面時間, 10倍のデータ効率, および既存のPSRO法と同様のエクスプロイザビリティを, Kuhn と Leduc Poker のゲームで50倍高速化したことを報告した。
  論文  参考訳（メタデータ） (2022-01-28T17:54:45Z)
• An Empirical Study on the Generalization Power of Neural Representations Learned via Visual Guessing Games [79.23847247132345]
  本研究は,視覚質問応答(VQA)のような新しいNLP下流タスクにおいて,後から実行を依頼されたとき,人工エージェントが推測ゲームでどの程度の利益を得ることができるかを検討する。 提案手法は,1) エージェントがうまく推理ゲームを模倣することを学習する教師あり学習シナリオ,2) エージェントが単独でプレイする新しい方法,すなわち,反復経験学習(SPIEL)によるセルフプレイ(Self-play)を提案する。
  論文  参考訳（メタデータ） (2021-01-31T10:30:48Z)
• 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)
• Evolutionary Approach to Collectible Card Game Arena Deckbuilding using Active Genes [1.027974860479791]
  アリーナゲームモードでは、各試合に先立って、プレイヤーは以前知らなかった選択肢から1枚ずつデッキ選択カードを組み立てなければならない。 そこで本研究では,遺伝子型の世代別サブシーケンスのみに対する演算子の範囲を減らすために,活性遺伝子の概念を用いた進化的アルゴリズムの変種を提案する。
  論文  参考訳（メタデータ） (2020-01-05T22:46:08Z)

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。