自己対戦と強化学習によるNPCの意思決定の研究事例
受講スキル
機械学習初心者の方。 ライブラリを使った機械学習に、興味がある方。 機械学習を実際にゲームに適用する時の、とっかかりが欲しい方。
受講者が得られるであろう知見
強化学習のゲームへの適用について、具体的な事例
セッションの内容
最適な戦術が、刻一刻と変わるゲームにおいて、それに対応したNPCを作ることは、容易ではありません。
本セッションでは、強化学習を使ったNPCの意思決定の、実験詳細と結果を報告します。
2人対戦カードゲームである、ドラゴンクエストライバルズを題材として使い、ゲームと手法（DQN）の紐づけについて、具体的に説明します。
tensorflowライブラリを使った環境で、ライブラリの担当範囲と、自分で行わなければならない範囲の切り分けを説明します。
その他、クラウドを使った学習環境についても紹介します。
最後に、課題と今後の展望についてお話します。
講演資料
自己対戦と強化学習によるNPCの意思決定の研究事例.pptx
※資料のダウンロードには ログイン が必要です。
講演者プロフィール
プロフィール
情報工学専攻（修士）卒業後、
コンソールゲーム開発、ツール開発を経て、
スクウェア・エニックスのAIユニットに合流。
現在は、AIによる自動QA、バランス調整等に関する研究に従事。
《講演者からのメッセージ》
誰も置いていかれないように、わかりやすく話すように心がけています。
弊社の研究が、業界全体の発展に役立つことを願っています。
共同研究・開発者
重国 和宏（株式会社スクウェア・エニックス）
Gracia Gil Leandro（同上）
Gravot Fabien（同上）