視野による制約を前提としたゲームAIの強化学習

• Item type: Symposium(1)
• 公開日: 2024-11-15
• タイトル: 視野による制約を前提としたゲームAIの強化学習
• タイトル / 言語: en
• タイトル: Reinforcement Learning of Game AI Assuming Constraints on Visual Fields
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 深層強化学習
• キーワード / 主題Scheme: Other
• キーワード / 主題: 人間らしいAI
• キーワード / 主題Scheme: Other
• キーワード / 主題: 生物学的制約
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 北陸先端科学技術大学院大学
• 著者所属: 北陸先端科学技術大学院大学
• 著者所属: 北陸先端科学技術大学院大学
• 著者所属(英): en
• 著者所属(英): Japan Advanced Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Japan Advanced Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Japan Advanced Institute of Science and Technology
• 著者名: 勝又, 翼; シュエ, ジュウシュエン; 池田, 心
• 著者名(英): Tsubasa, Katsumata; Chu-Hsuan, Hsueh; Kokolo, Ikeda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ゲーム AI は主に強さの向上を目的として研究されてきたが，近年人間らしい挙動の獲得も研究が進められている．本研究では，人間の視野特性に着目し，強化学習エージェントに動的な視野を実装することで，「視野の制約を前提とした行動」の再現を目指す．提案手法では，注視点の動的な決定と注視点からの距離に応じた情報のぼかしを導入し，エージェントがゲーム内行動と視野移動を同時に学習する． Atari Breakout に簡単な視野の制約を導入した実験では，視野の移動を含めた学習が可能であることを確認した．さらに視野の制約がある場合に，序盤の成績がかえって向上する傾向を確認した．今後は， 格闘ゲームなどのより複雑なゲーム環境での学習の確認や，「視野の制約を前提とした行動」の再現を目指す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: While game AI research has primarily focused on improving playing skills, recent studies have also explored the acquisition of human-like behavior. This research aims to reproduce “actions based on visual field constraints” by implementing a dynamic visual field in reinforcement learning agents, focusing on human visual characteristics. The proposed method introduces dynamic determination of the gaze point and information blurring based on distance from the gaze point. In the system, the agents simultaneously learn in-game actions and visual field movement. Experiments with simple visual field constraints in Atari Breakout confirmed the feasibility of learning even with visual field movement. Furthermore, we observed a tendency for improved scores in the early stages when visual field constraints were present. Future challenges include verifying learning in more complex game environments, such as fighting games, and reproducing actions based on visual field constraints.
• 書誌情報: ゲームプログラミングワークショップ2024論文集; 巻 2024, p. 111-116, 発行日 2024-11-15
• 出版者 / 言語: ja
• 出版者: 情報処理学会