Perceptual Similarity for Measuring Decision-Making Style and Policy Diversity in Games

要約

プレイスタイルとしても知られる意思決定スタイルを定義し測定することは、ゲームにおいて非常に重要です。これらのスタイルは幅広い個性と多様性を反映しています。
ただし、これらのスタイルに普遍的に適用できる尺度を見つけるのは困難です。
ゲーム画面と生のアクションに基づいてプレイスタイルの類似性を測定する最初の教師なし指標であるプレイスタイル ディスタンスを基盤として、精度を高めるための 3 つの機能強化を導入します。それは、さまざまな状態の粒度によるマルチスケール分析、心理学に根ざした知覚カーネル、および交差の利用です。
効率的な評価のためのオーバーユニオン法。
これらのイノベーションは、測定の精度を向上させるだけでなく、人間の類似性の認識についての洞察も提供します。
2 つのレーシング ゲームと 7 つの Atari ゲームにわたって、私たちの技術はゼロショット プレイスタイル分類の精度を大幅に向上させ、これらのゲームのエピソードの半分未満である 512 未満の観察とアクションのペアで 90 パーセントを超える精度を達成しました。
さらに、2048 と Go を使った実験は、パズルやボード ゲームにおける個別のプレイスタイル測定の可能性を実証しています。
また、これらの尺度を使用して意思決定の多様性を評価するためのアルゴリズムも開発します。
私たちの発見は、エンドツーエンドのゲーム分析の測定と、多様なプレイスタイルに対する人工知能の進化を改善します。

要約(オリジナル)

Defining and measuring decision-making styles, also known as playstyles, is crucial in gaming, where these styles reflect a broad spectrum of individuality and diversity. However, finding a universally applicable measure for these styles poses a challenge. Building on Playstyle Distance, the first unsupervised metric to measure playstyle similarity based on game screens and raw actions, we introduce three enhancements to increase accuracy: multiscale analysis with varied state granularity, a perceptual kernel rooted in psychology, and the utilization of the intersection-over-union method for efficient evaluation. These innovations not only advance measurement precision but also offer insights into human cognition of similarity. Across two racing games and seven Atari games, our techniques significantly improve the precision of zero-shot playstyle classification, achieving an accuracy exceeding 90 percent with fewer than 512 observation-action pairs, which is less than half an episode of these games. Furthermore, our experiments with 2048 and Go demonstrate the potential of discrete playstyle measures in puzzle and board games. We also develop an algorithm for assessing decision-making diversity using these measures. Our findings improve the measurement of end-to-end game analysis and the evolution of artificial intelligence for diverse playstyles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google