トレンド一覧

VLMで報酬付与したデータを用いたゲームAIの強化学習手法

arXiv cs.CV ・ 2026-08-06

原題: Training a Conditioned Video Game Agent on a VLM Annotated Dataset

AI による要約

視覚言語モデル（VLM）を用いてゲームプレイ動画に報酬ラベルを自動付与し、オフライン強化学習を行う手法が提案された。ゲームエンジンに直接接続して手動で複雑な報酬を設計する手間を減らし、所望の行動を取るゲームエージェントの訓練を容易にする。

この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv cs.CV）をご確認ください。

AIエージェント / 研究・論文

この話題のこれまで

隠れた行動を持つオフライン強化学習に向けた推定量「LURE」の提案で始まり、ゲームのルールに一貫性を持たせるワールドモデル「StatePlay」が提案された。続いて深層強化学習と逆向き帰納法を用いたカーリングの戦術的意思決定が行われた。その後、VLMで報酬付与したデータを用いたゲームAIの強化学習手法が提案され、ゲームプレイ動画に自動で報酬ラベルを付与しオフライン強化学習を行う手法が示された。

  1. 隠れた行動を持つオフライン強化学習に向けた頑健な推定量「LURE」の提案 2026-07-28 ・ arXiv stat.ML
  2. ゲームのルールに一貫性を持たせるワールドモデルStatePlay 2026-07-29 ・ arXiv cs.CV
  3. 深層強化学習と逆向き帰納法を用いたカーリングの戦術的意思決定 2026-08-03 ・ arXiv cs.AI

当サイトが集めた記事から、同じ話題のものを古い順に並べています。