Aug, 2024

通过感知相似性测量决策风格和游戏中的政策多样性

HTML
PDF
TL;DR本研究解决了游戏中决策风格（或玩法风格）测量的普遍适用性难题。论文提出了一种改进的无监督度量方法，通过心理学基础的感知核和多尺度分析，提高了测量准确性。实验显示，新的方法在赛车和Atari游戏中实现了超过90%的准确率，具有推动游戏分析及人工智能多样性演变的潜力。
发现论文，激发创造
  • 一种连续的信息增益度量方法，用于发现最具辨别性的AI基准测试问题

    本文介绍了选择解决算法问题子集的信息论方法，并在GVGAI游戏中测试得到较小的游戏集，在测试代理时具有高区分能力。此方法可扩展到研究游戏设计的有效方差，并确定不同游戏之间的不同之处。

    Sep, 2018

  • 基于模拟的策略分析的蒙特卡罗树搜索

    本文提出使用自动规划代理来模拟不同技能水平的人来生成游戏过程，并从中收集指标以评估当前的游戏设计并确定其潜在缺陷。本文以Scrabble和Cardonomicon为案例，展示了使用模拟代理来模拟人类玩家如何从游戏中提取度量（在Scrabble的情况下）以及突出设计缺陷（在Cardonomicon的情况下）。

    Aug, 2019

  • 将超级智能与人类行为相一致：以象棋为模型系统

    研究人员基于人类下棋决策的详细数据，通过AlphaZero构建了一种定制化的人工智能引擎Maia，能够更准确地预测人类棋手的下棋。这项研究表明，重点是建立精确的人类决策模型，安装有人类协作的人工智能系统具有很大的潜力。

    Jun, 2020

  • 通用游戏的空间状态-行为特征

    本文提出了一种可有效设计和实现通用游戏空间状态-动作特征的方法，并提供了适用于广泛不同游戏使用的设计和具体实现，这种方法可以训练出符合本地区域状态变量的特征，以此来激励或者抑制动作。

    Jan, 2022

  • 多人游戏空间的可视化

    本研究使用不同的游戏空间比较多人桌面游戏的特征，并通过Monte Carlo Tree Search算法优化参数获取了最具可解释性的空间，同时发现游戏树属性定义的空间与实际结果不相符。此外，在通过原始特征将游戏分类为两类时没有发现玩家数量对游戏特征的影响。

    Feb, 2022

  • 人类导航行为：统计评估框架

    通过非参数双样本假设检验，我们成功地与匿名人类判断人类行为的结果达成一致，并证明其可以作为相似性的统计量。

    Mar, 2022

  • 使用机械频率和游戏状态轨迹预测人物角色

    本研究探讨如何通过玩家游玩记录高效预测玩家人设，使用监督学习和序列学习两种方法实现预测，强调计算科学在定义玩家人设方面的重要性。

    Mar, 2022

  • 探究在国际象棋中的行为风格统计方式来检测个体的决策方式

    该论文研究机器学习如何应用于人类行为识别，提出一种基于Transformer的应用于棋类游戏，可以在只有100个标记棋局的情况下正确识别出准确率达到98%的玩家，同时也讨论了该方法对人类行为伦理的潜在影响。

    Aug, 2022

  • 通往通用游戏表征：将游戏像素分解为内容和风格

    通过将内容嵌入和样式嵌入分解，利用预训练的计算机视觉编码器，在游戏内容和风格之间最小化域差异，提供更好的跨游戏环境的泛化能力。

    Jul, 2023

  • 大规模多人游戏中的人工智能与人类协调

    评估人工智能与人类在复杂多智体游戏中的一致性，提出了一种使用可解释的任务集框架评估的方法，重点关注高级行为任务而非低级策略。通过分析人类游戏数据和训练AI代理，将人类和AI游戏对比，发现人类和AI之间存在显著差异，强调在多人游戏中应对人工智能的评估、设计和整合进行清晰解释。

    Feb, 2024