ドラゴンチェスにおける進化的転移学習

要約: Dragonchess は、ゲイリー・ギャガックスによって導入された三次元チェスの派生形で、領域を横断するAIヒューリスティックの転移を研究するのに理想的な環境を提供する独特の戦略的および計算上の課題を提示します。本研究では、Dragonchess をAI研究の新規テストベッドとして紹介し、コミュニティ利用のためのオープンソースの Python ベースのゲームエンジンを提供します。我々の研究は、有力なチェスエンジン Stockfish から直接ヒューリスティック評価関数を適応させることによる進化的転移学習を調査し、それを Covariance Matrix Adaptation Evolution Strategy (CMA-ES) を用いて最適化します。初期の試行では、Dragonchess の多層構造と移動規則の違いのため、直接的なヒューリスティック転送は不十分であることが示されました。しかし、進化的最適化はAIエージェントの性能を著しく改善し、50ラウンドのスイス式トーナメントにおける経験的評価を通じて優れたプレイを示しました。本研究は、構造的に複雑で未開拓のゲーム領域にヒューリスティック知識を適応させる際の進化的方法の有効性を確立します。