文献

J-GLOBAL ID：201902280684839195   整理番号：19A2401378

強化学習を用いたターンベースの役割プレイゲームにおける多様な段階の生成【JST・京大機械翻訳】

Generation of Diverse Stages in Turn-Based Role-Playing Game using Reinforcement Learning

著者 (2件)： Nam SangGyu (School of Information Science, JAIST, Ishikawa, Japan) ,  Ikeda Kokolo (School of Information Science, JAIST, Ishikawa, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CoG  ページ： 1-8  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,強化学習(RL)を用いた手続きコンテンツ生成(PCG)に焦点を当てた。PCGは,機械学習によるPCGの例の一つであるRLモデルを用いて,定義された評価関数に対して調整されたゲームコンテンツの生成と定義される。コンピュータビジョンや自然言語プロセスのような他の生成コンテンツ領域と比較して,変分オートエンコーダ,PixelCNN,および生成敵ネットワークのような生成モデルは,新しいゲームの開発の間,ゲーム領域への応用に対するいくつかの困難性を示し,訓練に用いられるコンテンツデータは典型的には十分ではない。したがって,RLはPCGのための方法として使用されると考えられる。特に,ターンベースのRPGのステージは,それが離散的セクションから成るので,著者らの研究目標として選ばれて,そのパラメータは密接に関連していた。したがって,望ましい段階を作り出すことは挑戦的であり,主要な目標は設計した評価関数によって導かれる様々な段階を作り出すことである。2つのRLモデル,Deep Q-NetworkとDeep Deteristic Polically Gradientをそれぞれ選択し,生成したステージを設計した関数によりそれぞれ0.78と0.85と評価した。確率的ノイズ対策の応用によって,多様な段階を首尾よく得て,それらの多様性をパラメータmseと異なる数の有効な戦略によって評価した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ゲーム ,  評価関数 ,  *強化学習 ,  雑音 ,  コンピュータビジョン ,  自然言語 ,  機械学習 ,  変分法 ,  コンテンツ ,  ネットワーク
準シソーラス用語： 生成モデル ,  自己符号化器 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 強化学習 ,  役割 ,  段階