抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビデオゲームにおいて,非層特性(NPCs)を用いて,例えば,敵対者,他者,またはインノセントバイスタンダーのような様々な方法でプレーヤーの経験を強化した。NPCの重要な成分はナビゲーションであり,マップ上で1点から別の点に移動することを可能にする。ビデオゲーム産業におけるNPCナビゲーションのための最も一般的な手法は,地図のグラフ表現であるナビゲーションメッシュ(NavMesh)を用いることであり,ノードとエッジは横断可能な領域を示す。残念なことに,移動のためのキャラクタの能力を拡張する複雑なナビゲーション能力,例えば,グラップリングフック,ジェットパック,テレポーテーション,または二重ジャンプは,NavMeshの複雑性を増加させ,多くの実用的シナリオでそれを扱い難いものにする。したがって,ゲーム設計者は,NPCナビゲーションを望むならば,NavMeshによって扱われる能力を追加するために制約される。代替として,任意のナビゲーション能力を用いて3Dマップをナビゲートする方法を学習するために,深層強化学習(Deep RL)を用いることを提案した。深いRL文献において通常用いられるマップよりも1桁大きい,Unityゲームエンジンにおける複雑な3D環境に関する著者らのアプローチを試験した。これらのマップの1つをUbisoft AAAゲーム後に直接モデル化した。提案アプローチは,すべてのテストシナリオで少なくとも90%の成功率を達成して,驚くほど良く機能することを見出した。著者らの結果のビデオはhttps://youtu.be/WFIf9Wwlq8Mで利用可能である。【JST・京大機械翻訳】