Show HN: chance (Drop7) を含むパズルゲームにおける最適な戦略の探索
Show HN: Searching for optimal strategies in a puzzle game with chance (Drop7) (drop7.dev)
要約
16年前に書かれたJavaプログラムが、運の要素を含むパズルゲーム「Drop7」で最適な一手を見つけようとしています。最近、100万ポイントを超える平均スコアを達成できる自動戦略があるか再調査したところ、現在の自動戦略の平均スコアは30万〜40万ポイントにとどまっています。この研究への貢献として、グローバルリーダーボードでの競争や人間の戦略の提出が推奨されています。
全文翻訳
16年前に、私は「Drop7」というパズルゲームで理想的な一手を選ぶためのJavaプログラムを書きました。毎ターン、プレイヤーには7つの選択肢しかありませんが、運の要素も含まれており、このシンプルなゲームは探索、隠し情報、長期計画、そして運が絡む驚くほど難しい問題となっています。
この週末、私は、ゲームごとに平均100万ポイントを超える自律的な戦略が存在するかどうかについて、調査を再開しました。経験豊富な人間のプレイヤーは、長期的な戦略的思考で100万ポイントを獲得できますが、私が考え出した最良の自動戦略は、現在約30万〜40万ポイントを平均しています。この研究の進歩に貢献する最も簡単な方法の1つは、グローバルリーダーボードで競争し、人間の戦略を提出することです - https://drop7.dev/compete。
このプロジェクトは、エージェントを研究協力者および証拠収集者として使用する上で、啓発的な実験でもありました。
リポジトリ: https://github.com/keshavsaharia/drop7-bench
特に、ゲーム理論、確率的計画法、学習済み価値関数、またはヘビーテイル評価に詳しい方からのフィードバックをいただけると幸いです。ここでは、長期間の行動ランキングにどのようにアプローチしますか？また、初めてプロジェクトに触れる人にとって、この研究が理にかなっているかどうかについてもぜひお聞きしたいです。