A note on the empirical comparison of RBG and Ludii
University of Wrocław（弗罗茨瓦夫大学）
我们提出了一个实验的效率比较的三个一般的游戏系统在其当前版本：常规棋盘游戏（RBG 1.0），Ludii~0.3.0，和游戏描述语言（GDL）propnet。我们表明，在一般情况下，RBG是目前最快的GGP系统。例如，对于国际象棋，我们证明RBG比Ludii快37倍，而Ludii比GDL propnet慢3倍。参考最近的比较[两个通用游戏系统的实证评估：Ludii和RBG，CoG 2019]，我们发现有证据表明其中提出的基准包含许多导致错误结论的重大缺陷。
2019-10-04 cs.AI
Ludii as a Competition Platform
Maastricht University（马斯特里赫特大学）
Ludii是一个通用游戏系统，作为ERC资助的数字Ludeme项目（DLP）的一部分正在开发中。虽然Ludii的主要目标是对传统策略游戏进行建模、游戏和分析，但它也有潜力支持广泛的人工智能研究课题和竞赛。本文描述了我们打算使用Ludii系统运行的一些未来竞赛和挑战，突出了它的一些最重要的方面，这些方面可能会导致许多算法改进和新的研究途径。我们将我们提出的竞赛动机、目标和框架与现有的一般游戏竞赛进行比较和对比，以解决每个平台的优势和劣势。
2019-06-29 cs.AI
Python Agent in Ludii
Instituto de Informática（信息学院）；Universidade Federal do Rio Grande do Sul（南里奥格兰德联邦大学）
本文为Java通用游戏系统Ludii开发了Python智能体编程接口，通过jpy和Py4J两种库实现，并对Minimax和MCTS算法进行性能分析，发现jpy比Py4J更快但仍慢于原生Java智能体。
2024-12-18 cs.AI
Automatic Generation of Board Game Manuals
Maastricht University（马斯特里赫特大学）
在本文中，我们提出了一个过程中自动生成手册的棋盘游戏中的Ludii一般游戏系统。这个过程需要解决许多不同的子任务，例如Ludii游戏描述的英文翻译，移动可视化，突出显示获胜移动，策略解释等。然后将这些方面结合起来，为任何给定的游戏创建一个完整的手册。本手册旨在为游戏的规则和机制提供更直观的解释，特别是对于不太熟悉Ludii游戏描述语言和语法的玩家。
2021-09-20 cs.AI
Ludii and XCSP: Playing and Solving Logic Puzzles
Centre de Recherche en Informatique de Lens（朗斯计算机研究中心）；Université d’Artois（阿尔图瓦大学）；Maastricht University（马斯特里赫特大学）
许多著名的单人游戏，通常被称为拼图，可以被证明是NP完全的。事实上，这类复杂性包含数百个谜题，因为人们特别喜欢完成一个棘手的谜题，比如数独，但也喜欢在完成后轻松检查解决方案的能力。出于这个原因，使用约束编程自然适合于解决它们。在本文中，我们专注于逻辑谜题描述的Ludii一般的游戏系统，我们建议使用XCSP形式主义，以解决他们与任何CSP求解器。
2019-06-29 cs.AI
General Game Heuristic Prediction Based on Ludeme Descriptions
Maastricht University（马斯特里赫特大学）
本文研究了Ludii一般对策系统中不同一般对策策略的性能。基于这些结果，我们训练几个回归学习模型来预测这些基于每个游戏的描述文件的算法的性能。我们还提供了对Ludii中可用游戏的简要分析，以及定义它们的不同游戏。
2021-07-05 cs.AI
GAVEL: Generating Games Via Evolution and Language Models
New York University Tandon（纽约大学坦顿工程学院）；ETH Zurich（苏黎世联邦理工学院）；Flinders University（弗林德斯大学）；UCLouvain（鲁汶大学）；Maastricht University（马斯特里赫特大学）
本文提出 GAVEL，结合大型语言模型与进化计算，在 Ludii 游戏描述语言中智能变异、重组游戏代码，生成数据集规则空间之外的新颖可玩游戏。
2024-12-03 cs.AI
General Board Geometry
Maastricht University（马斯特里赫特大学）
在Ludii通用游戏系统中，游戏板由其底层图形描述，基于平铺、形状和图形运算符，具有重要属性的自动检测，例如图形元素之间的拓扑关系、方向和径向步骤序列。这种方法允许简单和简洁地描述大多数可想象的游戏板。
2021-11-22 cs.AI
General Board Game Concepts
Maastricht University（马斯特里赫特大学）
许多游戏之间经常共享共同的想法或方面，例如它们的规则，控制或游戏区域。然而，在棋盘游戏的一般游戏（GGP）的背景下，这一领域仍然没有得到充分的探索。我们建议正式的“游戏概念”的概念，灵感来自游戏玩家和设计师通常使用的术语。通过Ludii通用游戏系统，我们描述了几个抽象层次的概念，如游戏本身，所玩的动作，或达到的状态。这个与游戏的ludeme表示相关的新GGP功能开辟了许多新的研究方向。超级智能体选择器的创建，AI学习在游戏之间的转移，或者使用游戏术语解释AI技术，都可以通过使用游戏概念来促进。其他应用程序，可以受益于游戏的概念也进行了讨论，如不完整的古代游戏，或棋盘游戏推荐系统的实施似是而非的重建规则的生成。
2021-07-02 cs.AI
Regular Games -- an Automata-Based General Game Playing Language
提出兼具计算效率与设计便利性的通用游戏博弈系统正则游戏（RG），以有限自动机定义规则的低级语言为核心，生成前向模型速度快于现有系统，还含高级设计语言及配套生态工具。
2025-11-13 cs.AI
Efficient Reasoning in Regular Boardgames
Institute of Computer Science University of Wroc aw Wroc aw, Poland
我们提出了技术方面的推理规则棋盘游戏（RBG）语言-一个普遍的一般游戏（GGP）形式主义的类有限确定性游戏与完美的信息，编码规则的形式的正则表达式。RBG作为一种研究工具，旨在帮助开发用于知识推理，分析，生成，学习和玩游戏的通用算法。在所有这些任务中，通用性和效率都很重要。在第一部分中，本文介绍了RBG编译器所使用的优化。当测量每秒可能的游戏播放次数时，这些优化的影响范围从1.7到甚至33倍的效率提高。然后，我们与其他三个现代GGP系统（GDL，Ludii，Ai Ai）进行了深入的效率比较。我们还包括我们自己的高度优化的游戏特定推理机，以提供最大速度的参考点。我们的实验表明，RBG是目前最快的抽象一般的游戏语言，其效率可以竞争的共同基于接口的系统，依赖于手工制作的游戏特定的实现。最后，我们讨论了一些问题和计算基准这样的方法。
2020-06-15 cs.AI
Best Agent Identification for General Game Playing
College of Science and Engineering, Flinders University, Adelaide, South Australia, Australia（科学与工程学院，弗林德斯大学，阿德莱德，澳大利亚，南澳大利亚州）；Information and Communication Technologies, Electronics, and Applied Mathematics Institute, UCLouvain, Louvain-la-Neuve, Belgium（信息与通信技术、电子学和应用数学研究所，UCLouvain，洛林-拉-纽夫，比利时）；Department of Advanced Computing Sciences, Maastricht University, Maastricht, the Netherlands（高级计算科学系，马斯特里赫特大学，马斯特里赫特，荷兰）
本文提出一种高效通用方法，通过多臂老虎机中的最佳臂识别问题，确定多任务领域中表现最佳的算法。在GVGAI和Ludii框架上验证，相比传统方法，显著降低简单遗憾和错误概率。
2026-04-20 cs.AI cs.DS cs.IT
Universal Learning of Repeated Matrix Games
我们研究和比较两个通用的学习算法，一个基于贝叶斯学习和预测专家的意见的学习动力学。这两种方法都有很强的渐近性能保证。当面临在重复的2x2矩阵游戏中找到好的长期策略的任务时，他们的表现完全不同。
2005-08-16 cs.AI cs.LG
Universal Imitation Games
Adobe Research（奥多比研究院）；University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
本文利用范畴论中的Yoneda结果和始对象、终对象等泛性质，系统刻画了静态、动态和演化三类通用模仿博弈，并将归纳学习与共归纳学习分别对应于初始代数与终余代数，还简要探讨了量子计算场景下的扩展。
2024-02-02 cs.AI cs.LG
Identification of Play Styles in Universal Fighting Engine
The University of Aizu（会津大学）
在格斗游戏中，人工智能控制的角色应该拥有相当高的技能，并以可信的、类似人类的方式行事，表现出多种多样的游戏风格和策略。因此，格斗游戏AI的开发需要评估这些属性的能力。例如，应该有可能确保所创造的角色是可信的和多样化的。在本文中，我们展示了如何使用自动化程序来比较单个AI和人类控制角色的游戏风格，并评估游戏参与者的人性化和多样性。
2021-08-08 cs.AI
Turing's Imitation Game has been Improved
University of Debrecen（德布勒森大学）
使用最近推出的通用计算模型，称为协调机，代表计算在耗散环境中，我们认为一种新的解释图灵的模仿游戏。此外，我们还提出了智能是否具有分形性质的问题。然后我们勾勒出机器人汽车在未来会做什么的愿景。最后，我们给出了一个基于编排机器概念的人工生命游戏的规范。本文的目的是开始寻找这些不同的主题之间可能的关系。
2015-09-02 cs.AI
Universal Decision Models
Adobe Research（Adobe研究院）；University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
人类是普遍的决策者：我们通过因果推理来理解世界;我们通过竞争来在商业、游戏和战争中获得优势;我们能够通过试错来学习做出更好的决策。在本文中，我们提出了通用决策模型（UDM），一个基于范畴理论的数学形式主义。UDM中的决策对象对应于决策任务的实例，从因果模型和动态系统（如马尔可夫决策过程和预测状态表示）到网络多人游戏和Witsenhausen的内在模型，它概括了所有这些先前的形式主义。UDM是一类对象，包括决策对象、观察对象和解决方案对象。互模拟态射映射在捕获结构保持抽象的决策对象之间。我们制定UDM的普遍属性，包括信息集成，决策可解性，和层次抽象。我们描述了UDM的通用函子表示，并提出了一个算法，用于计算UDM中的最小对象使用代数拓扑。我们勾勒出一个应用程序的UDM因果推理网络经济学，使用一个复杂的多层生产者-消费者双边市场。
2021-10-28 cs.AI cs.LG
Instruction-Driven Game Engines on Large Language Models
Shanghai Jiao Tong University（上海交通大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
本文提出指令驱动游戏引擎（IDGE），利用大型语言模型根据自然语言指令自主生成游戏过程，通过下一状态预测任务和课程学习训练模型，并在扑克游戏中验证了其支持多变体、高定制及快速原型化的能力。
2024-08-23 cs.AI
Learning to Report Unsafe Tasks in a Multi-Agent Game
University of Michigan Law School（密歇根大学法学院）；National University of Singapore（新加坡国立大学）
本研究在多智能体博弈中探讨如何通过审计促使智能体报告不安全任务，提出审计条件并训练PPO策略，证明分离目击者能显著降低不安全完成率，而完全共享策略在独立采样下难以达标。
2026-10-12 cs.AI cs.MA
Regular Boardgames
University of Wrocław（弗罗茨瓦夫大学）
本文在正则语言的基础上，提出了一种新的通用博弈语言--正则棋盘游戏语言（RBG）。RBG的目标是将关键属性（如表达性、效率和描述的自然性）加入到一个GGP形式主义中，以弥补现有语言的某些缺点。这通常使RBG更适合于GGP的各种研究和实际开发。虽然RBG主要用于描述棋盘游戏，但它对所有具有完美信息的有限确定性回合制游戏都是通用的。我们建立了RBG的基础，并从理论和实验上对其进行了分析，重点是推理的效率。Regular Boardgames是第一个允许高效编码和玩具有复杂规则和大分支因子（例如\亚马逊，阿里马，大型国际象棋变体，围棋，国际跳棋，纸足球）。
2018-11-13 cs.AI
