文献

J-GLOBAL ID：202002282223945204   整理番号：20A2444698

強化学習を用いたモバイルパズルゲームにおけるプレーヤ完了率の推定【JST・京大機械翻訳】

Estimating Player Completion Rate in Mobile Puzzle Games Using Reinforcement Learning

著者 (3件)： Kristensen Jeppe Theiss (IT University of Copenhagen/Tactile Games,Copenhagen,Denmark) ,  Valdivia Arturo (Tactile Games,Copenhagen,Denmark) ,  Burelli Paolo (IT University of Copenhagen/Tactile Games,Copenhagen,Denmark)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CoG  ページ： 636-639  発行年： 2020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,モバイルパズルゲームLily’s Gardにおける異なるレベルのプレーヤー完了率として測定した困難を推定するために,強化学習(RL)エージェントの性能を用いることが妥当であるかどうかを検討した。この目的のために,RLエージェントを訓練し,レベルを完了するために必要な移動の数を測定する。次に,実際のプレーヤーの大きなサンプルのレベル完了率と比較した。レベルに対するプレーヤー完了率の最強の予測子は,与えられたレベルでエージェントの~5%の最良ランのレベルを完了するために移動する移動の数であることを見いだした。非常に興味深い観察は,絶対項では,エージェントは,すべてのレベルにわたって人間レベルの性能に到達できないが,レベル間の挙動に関する差異は,人間行動の違いと高度に相関していることである。したがって,サブパーを実行するにもかかわらず,エージェントのパフォーマンスを推定,そして,おそらく,さらなるモデル,プレイヤーメトリックスを使用できる。Copyright 2020 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 ,  *携帯電話 ,  エージェント ,  *強化学習 ,  人間行動
準シソーラス用語： パズル ,  プレイヤ ,  メトリックス , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 強化学習 ,  プレーヤ ,  推定