[4Rin1] インタラクティブセッション２

[4Rin1-41] 人間のプレイデータを用いたゲーム操作学習モデル

〇宮野 友弥¹、松麿 勝利²、斎藤 博昭¹ (1. 慶應義塾大学、2. 株式会社コーエーテクモゲームス)

キーワード：ゲームAI

近年、ビデオゲーム業界で行われている多くの人工知能（ＡＩ）研究はニューラルネットワークを使用している。 人間のプレイデータをニューラルネットワークの「教師」データとして用いることにより、人間のゲーム操作を再現性よく出力することができるＮＮモデルを得ることが期待される。 本研究では、学習モデルとしてLSTMとCNNを採用し、勝率とゲームキャラクタの行動を比較することにより、結果を評価した。 実験結果は両方のモデルがアクションをランダムに選択する場合より優れていることを示した。 LSTMモデルは人間のような行動を学習し、 CNNモデルはパターン化された動作をした。