ترجمه فارسی مقاله شباهت ادراکی برای اندازه گیری سبک تصمیم گیری و تنوع سیاست در بازی ها

چکیده

Defining and measuring decision-making styles, also known as playstyles, is crucial in gaming, where these styles reflect a broad spectrum of individuality and diversity. However, finding a universally applicable measure for these styles poses a challenge. Building on Playstyle Distance, the first unsupervised metric to measure playstyle similarity based on game screens and raw actions, we introduce three enhancements to increase accuracy: multiscale analysis with varied state granularity, a perceptual kernel rooted in psychology, and the utilization of the intersection-over-union method for efficient evaluation. These innovations not only advance measurement precision but also offer insights into human cognition of similarity. Across two racing games and seven Atari games, our techniques significantly improve the precision of zero-shot playstyle classification, achieving an accuracy exceeding 90 percent with fewer than 512 observation-action pairs, which is less than half an episode of these games. Furthermore, our experiments with 2048 and Go demonstrate the potential of discrete playstyle measures in puzzle and board games. We also develop an algorithm for assessing decision-making diversity using these measures. Our findings improve the measurement of end-to-end game analysis and the evolution of artificial intelligence for diverse playstyles.

چکیده به فارسی (ترجمه ماشینی)

تعریف و اندازه گیری سبک های تصمیم گیری ، که به عنوان Playstyles نیز شناخته می شود ، در بازی بسیار مهم است ، جایی که این سبک ها طیف گسترده ای از فردیت و تنوع را منعکس می کنند.با این حال ، پیدا کردن یک اقدام جهانی قابل اجرا برای این سبک ها یک چالش است.با استفاده از فاصله Playstyle ، اولین متریک بدون نظارت برای اندازه گیری شباهت PlayStyle بر اساس صفحه نمایش بازی و اقدامات خام ، ما سه پیشرفت را برای افزایش دقت معرفی می کنیم: تجزیه و تحلیل چند مقیاس با دانه بندی حالت متنوع ، یک هسته ادراکی ریشه در روانشناسی و استفاده از تقاطع-روش بیش از حد اتحادیه برای ارزیابی کارآمد.این نوآوری ها نه تنها دقت اندازه گیری را پیش می برند بلکه بینشی در مورد شناخت انسان از شباهت نیز ارائه می دهند.در دو بازی مسابقه ای و هفت بازی Atari ، تکنیک های ما به طور قابل توجهی دقت طبقه بندی Playstyle صفر را بهبود می بخشد و به دقت بیش از 90 درصد با کمتر از 512 جفت عمل مشاهده می شود ، که کمتر از نیم قسمت از این بازی ها است.علاوه بر این ، آزمایش های ما با 2048 و GO پتانسیل اقدامات پلی استیل گسسته را در بازی های پازل و تخته نشان می دهد.ما همچنین یک الگوریتم برای ارزیابی تنوع تصمیم گیری با استفاده از این اقدامات ایجاد می کنیم.یافته های ما اندازه گیری تجزیه و تحلیل بازی پایان به پایان و تکامل هوش مصنوعی را برای بازیگران متنوع بهبود می بخشد.