文献

J-GLOBAL ID：202302214361981688   整理番号：23A0796588

制御可能な深層強化学習ゲームキャラクターAI

Controllable deep reinforcement learning game character AI

著者 (2件)： RI Shiryuu (立教大 大学院人工知能科学研究科) ,  三宅陽一郎 (立教大 大学院人工知能科学研究科)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2023  号： GI-49  ページ： Vol.2023-GI-49,No.12,1-8 (WEB ONLY)  発行年： 2023年03月10日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： オープンワールドのような複雑なゲーム環境で,AI開発者が記述する規則は環境状況のステートを網羅することは困難である,ディープラーニングを用いることで反復学習により複雑な環境データに適応することができる。しかし,主流のディープラーニングアルゴリズムは,開発者に特定の制御の追加やカスタマイズが困難なため,商業レベルのゲーム内のCharacter AIの技術として直接利用することは難しい。本提案は強化学習の一つであるPPOをベースにし,モジュール化したニューラルネットワークを使用することで,一つのモデルに複数のPolicyを保存させ,指定したTargetによって適切なPolicyを基づき動作を選択できる手法を提案する。それと同時に,各Policyへの個別な変更,追加,削除も実現できた。以上の方法により,可制御性とカスタマイズ性を持つ深層強化学習AIを提案する。(著者抄録)

シソーラス用語： 確率分布 ,  *人工知能 ,  *性格 ,  機械学習 ,  学習 ,  *強化学習 ,  改変 ,  ニューラルネットワーク ,  *ゲームAI ,  *深層強化学習 ,  深層学習
準シソーラス用語： *キャラクター ,  ディープラーニング ,  モジュール化 ,  反復学習

分類 (2件)： 人工知能  (JE08000Z) ,  ゲーム理論  (KA03060T)

引用文献 (15件)：

• steamcharts.com, “Steam Chart,” 8 1 2023. Available:https://steamcharts.com/.
• Bohemia Interactive Simulations, “VBS4 | Home,” 8 1 2023. Available: https://vbs4.com/.
• US Army Infantry School, Infantry and Weapons Company Guide to Training Aids, Devices, Simulators, and Simulations, 2009.
• 三宅陽一郎, ゲームAI技術入門, 技術評論社, 2019.
• Dictionary of Algorithms and Data Structures, “Finite State Machine,” 12 5 2008. Available:https://xlinux.nist.gov/dads/HTML/finiteStateMachine.html.

タイトルに関連する用語 (3件)： 深層強化学習 ,  ゲームキャラクター ,  AI