MétaCan
Menu
Retour à la cohorte
Enregistrement W2010464579 · doi:10.1002/mcda.376

Multi‐criteria optimization of ball passing in simulated soccer

2005· article· en· W2010464579 sur OpenAlexaff
Vadim Kyrylov, David Bergman, Martin Greber

Notice bibliographique

RevueJournal of Multi-Criteria Decision Analysis · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésBall (mathematics)HeuristicsMathematical optimizationComputer scienceHeuristicSet (abstract data type)Mathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Simulated soccer offers a standard real‐time environment for testing decision‐making methods for multi‐agent systems. One critical task is determining to which team‐mate the ball should be passed and the optimal point where this ball should be sent. Early methods based on enforced learning or heuristics tried to aggregate anticipated risks and pay‐offs instead of flexibly balancing them. That was because scholars were not treating ball passing as a multi‐criteria optimization problem in its classic sense. We propose a set of three criteria, tactical gain and two time balances, which should be balanced while selecting an optimal point on the field for passing the ball to. One of the advantages of this set of criteria is that they are treating direct and leading passes in the same way, thus offering a unified method for ball passing. In order to make this problem tractable, the continuous decision parameter space is replaced by a finite set of N points on the XY‐plane, which are carefully selected using some heuristics. This set is searched for non‐dominated alternatives, of which one alternative is further selected. The selection is based on the relative importance of the criteria supplied by the developer of the soccer agent. The selection method is original and uses sequential elimination of poor alternatives with respect to one criterion. Criteria are applied randomly, with the probabilities proportional to their relative importance. Experiments have shown that the multi‐criteria decision‐making algorithm is superior to its heuristic‐based counterpart. Furthermore, we suggest that it might be implemented in the RoboCup leagues dealing with physical robots. Copyright © 2006 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,042
Tête enseignante GPT0,356
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Multi-Criteria Decision AnalysisMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207