权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Development a general-purpose imperfect information game AI that surpasses humans

开发超越人类的通用不完美信息游戏AI

基本信息

批准号：
22K12339
负责人：
橋本剛
金额：
$ 2.58万
依托单位：
Matsue National College of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2027-03-31
项目状态：
未结题

项目摘要

不完全情報ゲーム研究の題材として、ガイスターを中心に開発を行った。まず、モンテカルロ木探索の代表的な手法であるUCT探索の実装と研究を行った。完全情報ゲームの探索方法を不完全情報ゲームに用いると戦略融合の影響を受ける。既存手法では戦略融合の悪影響を受けやすいが、他の方法はこれまで検討されていない。そこで、探索内部で不完全情報を扱う仕組みを新たにいくつか提案し、対戦実験によりその性能を明らかにした。また、近年ガイスター研究で成果を上げた、方策勾配法を用いた評価方法を探索に用いる手法が開発されていないので、UCT探索に方策勾配法で求まる行動確率を用いる手法をいくつか提案し、対戦実験によってそれらの性能を評価した。実験結果から、優勝したAI を上回る強さが確認できた。ガイスター以外の不完全情報ゲーム研究では、AlphaZeroを不完全情報ゲームのChinese dark chess（CDC）とEinStein Wurfelt Nicht!（EWN）に適用し、パラメータ設定が学習に与える影響を調べた。具体的には局面を全列挙するlookup tableを用いたAlphaZeroに、完全解析された2×4 CDCと3×3 EWNと3×4 EWNを学習させ、その結果を理論勝率と最適戦略と比較した。実験の結果から、最善手を学習できるパラメータ設定の範囲が広いことがわかった。2×4 CDCの結果に基づき、通常のサイズの4×8 CDCの学習を試した。この手法を用いたAIが2022年7月に開催されたComputer Olympiad CDC大会で優勝した。また、人間を超えることを考えると、人間がどうプレイするかを調べることも重要であると考え、多腕バンディット問題と格闘ゲームとポケモン対戦において、認知バイアスと読み合いに関連する研究も行った。

The topic of incomplete information research and development The representative method of UCT exploration is to carry out research on the equipment. Complete information is required to explore the method of incomplete information. The existing methods are influenced by slight fusion, and other methods are discussed. For example, if you want to explore the internal incomplete information, you should set up a new proposal and a new performance. In recent years, the research results of the research have been improved, the method of matching the policy has been used, the evaluation method has been explored, the method of using the policy has been developed, and the method of using the UCT has been explored, the method of matching the policy has been used, the accuracy of the action has been evaluated, and the performance has been evaluated. The results of the survey were confirmed by the results of the survey. Incomplete information outside of $> Chinese dark chess (CDC) EinStein Wurfelt Nicht! (EWN) Apply to, or set up, a study, or adjust to, an influence. The specific situation is listed in the lookup table. AlphaZero is used. 2×4 CDC is used. 3×4 EWN is used. 3×4 EWN is used. The theoretical winning rate is used. The best way to learn is to set up a range of settings. 2×4 CDC's results are based on the test, and 4×8 CDC's are usually tested. This method was used to promote the Computer Olympiad CDC Conference in July 2022. For example, if you want to study the relationship between the two, you should study the relationship between the two.