Strategy Game-Playing with Size-Constrained State Abstraction

要約

戦略ゲームのプレイは、人工知能 (AI) にとって難しい問題です。
大きな課題の 1 つは、ゲーム コンポーネントの多様なセットにより、検索スペースが大きくなることです。
最近の研究では、状態抽象化が検索ベースのゲーム AI に適用され、パフォーマンスが大幅に向上しました。
状態抽象化技術は、類似した状態を集約するなどして、検索スペースを削減することに依存しています。
ただし、抽象化の品質を評価するのが難しいため、これらの抽象化の適用は妨げられます。
したがって、以前の研究では、探索が局所最適に偏らないように、探索の途中で抽象化を放棄しました。
このメカニズムでは、現在の状態の抽象化を放棄する時間を決定するためのハイパーパラメータが導入されています。
この研究では、グループ化されるノードの最大数を制限するアプローチであるサイズ制約状態抽象化 (SCSA) を提案します。
SCSA を使用すると、抽象化を放棄する必要がないことがわかりました。
$3$ ストラテジー ゲームに関する実証結果では、SCSA エージェントが以前の方法よりも優れており、さまざまなゲームで堅牢なパフォーマンスを発揮することが示されています。
コードは \url{https://github.com/GAIGResearch/Stratega} でオープンソース化されています。

要約(オリジナル)

Playing strategy games is a challenging problem for artificial intelligence (AI). One of the major challenges is the large search space due to a diverse set of game components. In recent works, state abstraction has been applied to search-based game AI and has brought significant performance improvements. State abstraction techniques rely on reducing the search space, e.g., by aggregating similar states. However, the application of these abstractions is hindered because the quality of an abstraction is difficult to evaluate. Previous works hence abandon the abstraction in the middle of the search to not bias the search to a local optimum. This mechanism introduces a hyper-parameter to decide the time to abandon the current state abstraction. In this work, we propose a size-constrained state abstraction (SCSA), an approach that limits the maximum number of nodes being grouped together. We found that with SCSA, the abstraction is not required to be abandoned. Our empirical results on $3$ strategy games show that the SCSA agent outperforms the previous methods and yields robust performance over different games. Codes are open-sourced at \url{https://github.com/GAIGResearch/Stratega}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google