BridgeHand2Vec Bridge Hand Representation

要約

コントラクト ブリッジは不完全な情報を特徴とするゲームであり、人工知能の手法に刺激的な挑戦をもたらします。
この論文では、ニューラル ネットワークを利用してブリッジ プレーヤーの手札 (13 枚のカードで構成される) をベクトル空間に埋め込む BridgeHand2Vec アプローチを提案します。
結果として得られる表現は、ゲーム内のハンドの強さを反映し、異なるハンド間の解釈可能な距離を決定できるようにします。
この表現は、プレーヤーのペアが取ることができるトリックの数を推定するためにニューラル ネットワークをトレーニングすることによって導出されます。
この論文の残りの部分では、結果として得られるベクトル空間の特性を分析し、強化学習および開始入札分類におけるその適用例を示します。
これは私たちの主な目標ではありませんでしたが、ベクトル化に使用されたニューラル ネットワークは、DDBP2 問題 (指定された 2 つのハンドのトリック数の推定) に関する SOTA 結果を達成しました。

要約(オリジナル)

Contract bridge is a game characterized by incomplete information, posing an exciting challenge for artificial intelligence methods. This paper proposes the BridgeHand2Vec approach, which leverages a neural network to embed a bridge player’s hand (consisting of 13 cards) into a vector space. The resulting representation reflects the strength of the hand in the game and enables interpretable distances to be determined between different hands. This representation is derived by training a neural network to estimate the number of tricks that a pair of players can take. In the remainder of this paper, we analyze the properties of the resulting vector space and provide examples of its application in reinforcement learning, and opening bid classification. Although this was not our main goal, the neural network used for the vectorization achieves SOTA results on the DDBP2 problem (estimating the number of tricks for two given hands).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google