WEKO3
アイテム
Transformerによる過去対戦を利用したガイスター駒種推定
https://ipsj.ixsq.nii.ac.jp/records/232901
https://ipsj.ixsq.nii.ac.jp/records/232901b17fd429-b7d3-4c87-88c6-29b373616dd6
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-GI24051013.pdf (2.4 MB)
2026年3月1日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, GI:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-03-01 | |||||||||
| タイトル | ||||||||||
| タイトル | Transformerによる過去対戦を利用したガイスター駒種推定 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Geister piece species estimation using past matches by Transformer | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 現在，松江工業高等専門学校 | ||||||||||
| 著者所属 | ||||||||||
| 現在，松江工業高等専門学校 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Presently with National Institute of Technology, Matsue College | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Presently with National Institute of Technology, Matsue College | ||||||||||
| 著者名 |
錦織, 光司
× 錦織, 光司
× 橋本, 剛
|
|||||||||
| 著者名(英) |
Koji, Nishikori
× Koji, Nishikori
× Tsuyoshi, Hashimoto
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 不完全情報ゲームをプレイするとき，強いプレイヤはさまざまな戦略に勝つため，一般にはナッシュ均衡戦略を目指す．だが，同じ相手と複数回対戦する場合は，相手の癖を読み取り，戦略を決めるほうが勝ちやすいことがある．一般には，過去の対戦や行動履歴から相手の癖を読み取り，戦略を決めることが多い．相手の癖を読み取るとき，各行動間の関係や順序が重要である．これは，自然言語の文の各単語間の関係や順序に近いと考えられる．不完全情報ゲーム AI に自然言語処理モデル Transformer を用いることで，行動履歴を考慮した学習ができると考えられる．ガイスターはチェスに似た不完全情報ゲームであり，不完全情報ゲーム研究のテストベッドとして注目されている．相手駒の種類を正しく推定できれば，その相手に強い AI を作ることができる．本論では，ガイスターを題材に Transformer による相手駒種推定について論ずる．開発した TGEM は自駒の種類と行動履歴を一文として入力し，相手駒種を推定するモデルである．実験では，ランダムに相手駒種を推定する場合に比べて高い精度を出すことができた．TGEM を用いることで，過去対戦や行動履歴を考慮した相手駒種推定ができると考えられる． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | When playing imperfect information games, strong players generally aim for Nash equilibrium strategies in order to win in a variety of strategies. However, when playing multiple games against the same opponent, it may be easier to win by reading the opponent's habits and deciding on a strategy. In general, players often read their opponents' habits from their past games and action histories, and decide their strategies accordingly. When reading an opponent's habits, the relationship and order between each action is important. This is similar to the relationship and order of words in a natural language sentence. By using the natural language processing model Transformer for imperfect information game AI, we believe that it is possible to learn by considering the history of actions. Geister is an imperfect information game similar to chess, and has attracted attention as a testbed for research on imperfect information games. If the type of opponent's pieces can be correctly estimated, it is possible to create an AI that is strong against that opponent. In this paper, we discuss the estimation of opponent's piece types by Transformer using Geister as a subject. The developed TGEM is a model that estimates the opponent's piece type by inputting the type of its own piece and the history of its actions as a single sentence. Experimental results show that TGEM is more accurate than a random estimation of the opponent's piece type. We believe that TGEM can be used to estimate the opponent's piece type, taking into account the past games and the history of actions. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA11362144 | |||||||||
| 書誌情報 |
研究報告ゲーム情報学（GI） 巻 2024-GI-51, 号 13, p. 1-8, 発行日 2024-03-01 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8736 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
