AIがポケモンバトルをしたら? 15年以上の熟練プレイヤーとの戦いで勝率56% 米研究者ら「PokeLLMon」開発

ニュースの要点

3行まとめ

米ジョージア工科大学の研究者らがポケモンバトルのAIエージェント「PokeLLMon」を開発
PokeLLMonは大規模言語モデル(LLM)を搭載し、人間並みの性能を達成
バトルスキル分析では、効果的な技選択と適切なポケモンへの切り替えがPokeLLMonの強みとされる

ニュース詳細

米ジョージア工科大学の研究者らが発表した論文「PokeLLMon: A Human-Parity Agent for Pokemon Battles with Large Language Models」は、ポケモンバトルのようなコマンドバトルゲームで人間並みの性能を達成する大規模言語モデル(LLM)を搭載した自律型AIエージェントを提案した研究報告です。

この研究では、ポケモンバトルにおいて人間のプレイヤーのように振る舞うLLMを搭載したエージェントを開発することを目的としています。またエージェントが優れたプレイヤーとなるための重要な要因を探求し、人間のプレイヤーとのバトルでの強みと弱みを検証しています。

PokeLLMonフレームワークでは、以下の3つの戦略が取り入れられています。まず「In-Context Reinforcement Learning」(ICRL)では、エージェントは以前のアクションからのテキストベースのフィードバックを基にして行動を改善します。例えば、エージェントがみずタイプの攻撃「クラブハンマー」を使用するが、相手のポケモンが「かんそうはだ」という特性で、攻撃を無効にした場合、このフィードバックに基づいてエージェントは別の攻撃方法やポケモンに切り替えます。ICRLにより、エージェントはより効果的なアクションを選択し、勝率とバトルスコアを向上できるのです。

次に「Knowledge-Augmented Generation」(KAG)は、エージェントが外部の知識を活用して生成を拡張する手法です。KAGでは、タイプの有利・不利関係や技・能力の効果などの情報を外部から取得し、エージェントの判断基準に加えます。例えば、ほのおタイプのポケモンに不利な相性である、くさタイプのポケモンを出すような誤った行動を事前に防ぐことができます。また適切なタイミングで適切な技を選択するようになり、戦略的な意思決定が可能となります。

3つ目の「Consistent Action Generation」は、LLMを用いて、より一貫性のある効果的な行動を生成する方法です。このアプローチでは、エージェントは複数の行動案を生成し、その中から最も状況に適した、もしくは最も合理的な行動を選択します。特に「パニックスイッチング」と呼ばれる問題を減少できるのです。これは、エージェントが直面する強力な対戦相手に対して適切な戦略や解決策を見つけられず、パニックに陥り連続して異なるポケモンに切り替える行動を取ることを指します。この問題を軽減することで、勝率を向上させているのです。

ネット上で公開している非公式の対戦シミュレーター「Pokemon Showdown」を使って、ランダムな人間プレイヤーとのオンラインバトル実験や、15年以上のポケモン経験を持つ人間プレイヤーとの戦いを行いました。その結果、PokeLLMonはランダムなプレイヤーとの対戦で約48%の勝率を、招待プレイヤーとの対戦で約56%の勝率を達成しました。

バトルスキル分析では、PokeLLMonの強みとして効果的な技選択と適切なポケモンへの切り替えが挙げられました。しかし、短期的な利益に強い一方で、長期的な計画を必要とする消耗戦の戦略には弱いとされ、経験豊富な人間プレイヤーによる戦術に惑わされる傾向がありました。

出典