@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00175359,
 author = {大渡, 勝己 and 田中, 哲朗 and Katsuki, Ohto and Tetsuro, Tanaka},
 book = {ゲームプログラミングワークショップ2016論文集},
 month = {Oct},
 note = {本研究では連続空間のMDPに対するモンテカルロ木探索を基にした行動決定手法を提案する．提案手法を，カーリングの戦略を議論するために作成された「デジタルカーリング」システムにおける対戦プログラムに適用した．実験の結果，単純なシミュレーション方策を用いた場合だけでなく，カーリングの知識を用いた複雑なシミュレーション方策を用いた場合にも提案手法が有効に働くことを確認した．, We propose an action decision method based on Monte Carlo Tree Search for MDPs with continuous state space. We applied our method to agents of the UEC digital curling system, which is build for arguing curling strategies. The experimental results show that our method is effective for not only agents with a simple simulation policy, but also agents with a handmade complex one.},
 pages = {180--187},
 publisher = {情報処理学会},
 title = {カーリングAIに対するモンテカルロ木探索の適用},
 volume = {2016},
 year = {2016}
}