Submitted 25 August, 2024; originally announced August 2024. , Comments: The project website is at https://davidbdurst.com/mlmove/ , Journal ref: ACM SIGGRAPH / Eurographics Symposium on Computer Animation (SCA), August 21-23, 2024, Montreal, Canada
توضیحات به فارسی
ارسال شده 25 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: وب سایت پروژه در https://davidbdurst.com/mlmove/ ، مجله Ref: ACM Siggraph/Eurographics در انیمیشن رایانه (SCA) ، 21-23 اوت ، 2024 ، مونترال ، کانادا است.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
In multiplayer, first-person shooter games like Counter-Strike: Global Offensive (CS:GO), coordinated movement is a critical component of high-level strategic play. However, the complexity of team coordination and the variety of conditions present in popular game maps make it impractical to author hand-crafted movement policies for every scenario. We show that it is possible to take a data-driven approach to creating human-like movement controllers for CS:GO. We curate a team movement dataset comprising 123 hours of professional game play traces, and use this dataset to train a transformer-based movement model that generates human-like team movement for all players in a "Retakes" round of the game. Importantly, the movement prediction model is efficient. Performing inference for all players takes less than 0.5 ms per game step (amortized cost) on a single CPU core, making it plausible for use in commercial games today. Human evaluators assess that our model behaves more like humans than both commercially-available bots and procedural movement controllers scripted by experts (16% to 59% higher by TrueSkill rating of "human-like"). Using experiments involving in-game bot vs. bot self-play, we demonstrate that our model performs simple forms of teamwork, makes fewer common movement mistakes, and yields movement distributions, player lifetimes, and kill locations similar to those observed in professional CS:GO match play.
چکیده به فارسی (ترجمه ماشینی)
در چند نفره ، بازی های تیرانداز اول شخص مانند Counter-Strike: Global Offence (CS: GO) ، جنبش هماهنگ یک مؤلفه مهم بازی استراتژیک سطح بالا است.با این حال ، پیچیدگی هماهنگی تیم و تنوع شرایط موجود در نقشه های بازی محبوب ، برای نویسنده سیاست های حرکتی دست ساز برای هر سناریو غیر عملی است.ما نشان می دهیم که می توان از یک رویکرد داده محور برای ایجاد کنترل کننده های حرکتی مانند انسان برای CS استفاده کرد: GO.ما یک مجموعه داده حرکتی تیمی را تشکیل می دهیم که شامل 123 ساعت ردیابی بازی حرفه ای است و از این مجموعه داده برای آموزش یک مدل حرکتی مبتنی بر ترانسفورماتور استفاده می کنیم که حرکتی تیمی مانند انسان را برای همه بازیکنان در دور "بازیابی" بازی ایجاد می کند.نکته مهم ، مدل پیش بینی حرکت کارآمد است.انجام استنتاج برای همه بازیکنان در هر مرحله بازی (هزینه استهلاک) در یک هسته CPU واحد کمتر از 0.5 میلی ثانیه طول می کشد و این امر را برای استفاده در بازی های تجاری امروز قابل قبول می کند.ارزیابان انسانی ارزیابی می کنند که مدل ما بیشتر از هر دو ربات های تجاری در دسترس تجاری و کنترل کننده های حرکات رویه ای که توسط متخصصان فیلمبرداری شده است ، رفتار می کند (16 ٪ تا 59 ٪ بالاتر از امتیاز Trueskill از "انسان مانند").با استفاده از آزمایشات مربوط به بازی در بازی در مقابل خود بازی ، ما نشان می دهیم که مدل ما اشکال ساده ای از کار تیمی را انجام می دهد ، اشتباهات حرکتی مشترکی را انجام می دهد و توزیع حرکت ، طول عمر بازیکن را به همراه می آورد و مکانهایی مشابه با موارد مشاهده شده در CS حرفه ای را می کشد:برو بازی مسابقه.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
