![ロジットモデル
• 主観確率や信頼度を[0,1]に収める→ロジットモデル
- 信頼度そのものではなくロジットを操作
- 主観確率は全役職の合計が1になるように正規化
信
頼
度
C
ロジット logit
C = (1 + exp(-logit))-1](https://image.slidesharecdn.com/2-151023032449-lva1-app6891/85/2-10-320.jpg)
東海支部成瀬2
- 1. モンテカルロ法とエージェ ントの主観確率に基づく 人狼知能の実装 成瀬 雅人*, 山野 太靖, 白松 俊 （名古屋工業大学工学部情報工学科）
- 3. 人狼のルール プレイヤーに割り当てられる役職 • 人狼陣営 - 人狼、狂人 • 村人陣営 - 村人、占い師、霊能者、狩人 基本的ルール • ターン制, 割り当てられた陣営を勝たせる • 他のプレイヤーの役職は不明
- 10. ロジットモデル • 主観確率や信頼度を[0,1]に収める→ロジットモデル - 信頼度そのものではなくロジットを操作 - 主観確率は全役職の合計が1になるように正規化 信 頼 度 C ロジット logit C = (1 + exp(-logit))-1
- 11. 信頼度変更の具体例 a2a1 ／ a2は人狼だと思う！ ＼ ( a2が疑われる) →a2からa1への 信頼度が減少 a1 a2 ／ 占ったらa2は 村人だった ＼ →a2からa1への 信頼度が増加 ＼ 人狼じゃないよー ／ ＼ 当たってる ／ Logiti(a1) = logiti-1(a1)+w(act) Ci(a1) = (1 + exp(-logiti(a1)))-1 w(act)<0 w(act)>0
- 12. 役職の推定や行動基準に 用いるパラメータ パラメータ 説明 Vote先の信頼度が高ければ負の値 Estimateが自分の考えに近ければ正の値 Agree先の信頼度が高ければ正の値 Disagree先の信頼度が高ければ負の値 Comingoutが早ければ正の値 有用なDivind先なら正の値，逆なら負 Inquestedが自分の考えに近ければ正の値 Guard発言の確証性が高ければ正 Vote先の信頼度が高ければ負の値 霊能者を信頼する基準値 霊能者を信頼する為の閾値 占い師を信頼する基準値 占い師を信頼する為の閾値 上げ幅下げ幅は経験的に決定(将来的にはモンテカルロ法)
- 14. プレイアウト • 局面を評価関数なしに評価するためプレイアウトを用いる - 現状からランダムに合法手を進め、終局の勝率から局面の評価をする - 不完全情報ゲームに対応する必要 現在の局 面 プレイヤー a2に投票 正 誤 プレイヤー a3に投票 正 誤 勝利 1.0 敗北 0.0 より勝率の高い ものを選択 役職推定の正誤による分岐を 主観確率で重み付け 平均値を取る→ 勝利 1.0 勝利 1.0 敗北 0.0 敗北 0.0 勝利 1.0 敗北 0.0 1.0 0.0 0.5 0.5 0.7 0.3 0.8 0.2 0.7 0.5
- 15. 不完全情報ゲームへの対応 • 人狼ゲームは不完全情報ゲーム →プレイアウトをするには確定情報が不足 • そこで本研究では推定が正しい場合と間違っている場合 に分岐させてプレイアウトを行う • 主観確率を用いて枝に重みをつける • 現在実装中 役職推定の正誤による分岐を 主観確率で重み付け 0.7 0.3 0.7 正 誤
- 19. JavaのAPI例(Agent間の会話) 会話のテンプレート org.aiwolf.client.lib.TemplateTalkFactory(全体用) org.aiwolf.client.lib.TemplateWhisperFactory(囁き用) 使用例 public String talk() { // 「引数のagentが役職roleだと思う」と発言 return TemplateTalkFactory.estimate(agent, role); }
Editor's Notes
- #19: 上から順に1位、2位、3位、4位のアルゴリズムより抜粋 矛盾検知は大抵のアルゴリズムで採用されている