AI要約本論文はポケモン赤を対象とした深層強化学習エージェントの学習を可能にするPokeRLというシステムを提案する。PyBoyエミュレータのラッパーやマップマスキング、ループ回避機構、密な報酬設計を導入し、長期報酬問題と部分観測性に対処する。実験は初期タスク（家を出る、 Pallet Town を探索、最初のライバル戦に勝つ等）の達成を目指す。ポケモンのデータ・環境・ゲーム内容を主要研究対象として扱い、 toy ベンチマークを超える実用性を目指す。
Papers
AI要約本論文はポケモンの対戦システムとRPG環境を基盤とする意思決定研究の大規模ベンチマーク「PokeAgent Challenge」を提案する。対戦トラックとスピードランニングトラックの2体系で、部分観測性・長期計画・ゲーム理論的推論を同時に評価する。20M件超の対戦軌跡データとRL/LLMベースラインを提供し、NeurIPS2025での競合実績を報告する。ポケモン対戦を研究対象として据えた新たな評価基盤である。
AI要約本論はポケモン対戦を舞台に、巨大言語モデル（LLM）の戦略的意思決定とコンテンツ生成能力を評価する。タイプ相性や素点を用いたダメージ計算、複数ポケモンの編成を踏まえ、戦闘状態に基づく選択をLLMsに任せる。結果は、ドメイン特化訓練なしでも戦略性の高い対戦が可能であり、RLの代替としての実用性を示唆する。ポケモンを題材とする戦略ゲームでのLLM適用と、コンテンツ生成・難易度適応の展望を論じる。
AI要約本論文はポケモンの対戦環境を対象としたベンチマークVGC-Benchを提案する。対戦ログ約70万件を含むデータセットと、ヒューリスティック、LLM、行動模倣、マルチエージェント強化学習を組み合わせた基準エージェントを提供する。自己対戦、fictitious play、double oracle などの経験的ゲーム理論手法を用いて評価し、単一チーム設定と複数チーム設定での一般化性を検証する。コードとデータセットを公開し、ポケモン対戦研究の基盤を整備している。
AI要約本論文は、ポケモンの対戦データを用い、オフライン強化学習と transformers を組み合わせたエージェントの学習法を提案する。第三者視点ログから第一人称データを再構築するデータセットを作成し、模倣学習からオフラインRLへと展開する。実験はオンライン対戦で上位を達成したエージェントを示し、最近のLLMエージェント手法を上回る成績を報告する。ポケモン環境をデータ・環境研究のプラットフォームとして活用する。
AI要約ポケモン赤を強化学習の評価環境として用い、エージェントの基礎動作を実装・評価した研究。長い探索空間と報酬設計の課題をアブレーションで検討し、報酬設計の抜け穴を指摘する。ポケモン環境を将来の大規模言語モデルや階層訓練の研究基盤として活用する可能性を示唆する。ソースコードはGitHubに公開されている。
AI要約本論は Pokémon Showdown を対象に、バランス調整の影響を予測するメタディスカバリーフレームワークを提案する。強化学習を用いた自動テストにより、調整後のメタ変化を高精度に予測できることを示す。ポケモンの対戦環境とデータを主要な研究対象として扱い、一般的な手法と組み合わせた評価を行う。ゲームバランス研究の新たな実践を提示する。
AI要約本論文はポケモン対戦で人間と同等の成績を達成するLLM組み込みエージェント PokeLLMon を提案する。方策は、対戦からのテキスト報酬を用いるインコンテキスト強化学習、外部知識を取り込む知識拡張生成、強力な相手への対応を安定させる一貫性ある行動生成の三要素で構成される。実戦では ladder で約49%、招待戦で約56%の勝率を示す。実装と対戦ログはGitHubに公開されている。
AI要約本論はポケモンゲームを対象としたAIエージェントの設計と評価を扱う。著者らは編成のバランスと不確実性の処理という課題に独自アルゴリズムで挑み、ゲームメカニクスを分析する。評価では従来手法を上回る成果を示し、世界ランキング33位を記録した。実験は4つのシングルソケットサーバで実行された。