Share
Embed
ポケカの大型大会をもっと盛り上げたい
sue124
October 15, 2026
Transcript
21 slides
-
自己紹介 すえ • 某コンサルの機械学習エンジニア • コンペはNLPとかゲーム系 • 二児のパパ ポケモン(ゲーム) 幼少期
〜 学生時代 ポケカ ~ 周りに対戦相手がおらず、 ひたすらGB版をやってた 最近 子どもがポケモンに興味を持ったので1年 半ほど前に一緒にやり始める 昨シーズンの 相棒デッキ オフシーズンにずっと 使ってたデッキ シーズン開幕後、勝ちたくてデッ キを変える -
コンペでの自分の取り組み(コンペ期間中) ドメイン知識のおかげで うまくいったこと うまくいかなかったこと (ドメイン知識が邪魔をした) 特徴量づくり • 相手の公開情報からの非公開情報の ベイズ推定 •
カード記載内容のEmbedding • 盤面情報 ◦ サイド数 ◦ 出ているカードの情報 ◦ ターン内の行動有無 (サポート、エネ手貼り逃げる) • サイドレース予測 強化学習の回し方 • 上手い人は「このカードを使うと相手か らこう返されたらまずいからこの手は使 わず別の手を打つ」と考え、それを再 現するためにMCTSを入れた →強化学習が激遅に • 対戦相手の選び方がよくなかった (強すぎ or 弱すぎ) -
コンペでの自分の取り組み(コンペ後1) コンペ後に やったこと 上位解法で「PPOで数千万戦学習させた」という旨の投稿を見て Claude Codeに「MCTS外して学習してみて」とお願いして学習を回した (学習ゲーム数が1,2桁増えた) コンペ期間中 コンペ後 学習期間
数週間 3日ぐらい ローカル 評価結果 (対ルールベース ) 勝率: 50%前後 勝率: 80%弱 -
ポケカコンペで作ったコードが戦況の理解に役立つ情報を出せるか試す(概要) 例 戦況の説明を試す場面 • JCS 2026 決勝 BO3 3戦目 •
盤面 アンフェアスタンプを使われた次の番、 フカセ選手が何もできずパス(後攻 5ターン目) 一見すでに勝負がついたように見えるがフカセ選手 が「ガチグマかノココッチ」とつぶやきながらドローす る(後攻7ターン目) スペシャルレッドカード WCS 2026 決勝 BO3 2戦目 • 「TOP DECK!」と画面に表示が出るほどキーと なるカードをAndew選手がドローするも、 それを使わずに勝利する(山札切れ) -
ポケカコンペで作ったコードが戦況の理解に役立つ情報を出せるか試す( JCS 3戦目 場面1) 盤面 状況 戦況説明結果 アンフェアスタンプを 使われた次の番、フカ セ選手が何もできず
パス (後攻5ターン目) フカセ選手の手札に 以下のカードがあると 価値関数の値が向上 • リーリエの決心 • ノココッチ • テレパス超 • 基本超エネルギー フカセ選手がゲームを有利に進めるのに必要なカード これが画面に表示できるようになり「これらがなかったから 何もできなかった」と理解しやすくなる (実況解説からのコメントもある前提) -
ポケカコンペで作ったコードが戦況の理解に役立つ情報を出せるか試す( JCS 3戦目 場面2) 盤面 状況 戦況説明結果 一見すでに勝負が ついたように見えるが フカセ選手が「ガチグ
マかノココッチ」とつぶ やきながらドローする (後攻7ターン目) リーサル判定に使った探 索の応用で「次の相手の ターンを凌げる可能性が 高いカード」として「ガチグ マ、ノココッチ」を挙げるこ とはできた。 ただし「それらがなぜ良い のか」は説明できない(画 面の見た目の問題も含 む) フカセ選手が次の相手の番を凌げる可能性が高いカード 必要なカードの提示はできるが、 「これらがあると何ができるか」の 説明までは難しい(実況解説頼み) -
ポケカコンペで作ったコードが戦況の理解に役立つ情報を出せるか試す( WCS 決勝 2戦目) 盤面 状況 戦況説明結果 「TOP DECK!」と画面 に表示が出るほど
キーとなるカードを Andew選手がドロー するも、それを使わず に勝利する (山札切れ) 方策関数が「引いたスペ シャルレッドカードを使う」 を選択してしまって、説明 できない 引いたが使わなかったカード (スペシャルレッドカード) 手元で学習したモデルだとこの状況では「引いたスペシャルレッドカードを使う」を選択をしてし まい、Andew選手の「スペシャルレッドカードを使わずリーリエの決心で山札に戻す」が説明で きなかった →他の方法を試す(次頁へ) -
ポケカコンペで作ったコードが戦況の理解に役立つ情報を出せるか試す( WCS 決勝 2戦目) 変更点 普通に強化学習をすると、学習データに「山札切れ勝ち」が現れる頻度が低くなるため、 「山札切れ勝ち」の割合が多くなるように( 60~70%程度)して学習したモデルを用意 山札切れ勝ち特化で 学習した価値関数
TOP DECK! Andrew選手 視点での 価値関数の 推移 先攻4ターン目で2つの価 値関数の値の動き方が大 きく変わる 普通に学習した 価値関数 フーディンで攻撃できるのにパス Diego選手の山札が残り4枚になり、「ラッキーメット」を (「ゲノセクト」と「どうぐ」が揃わなかったため) つけたフーディンがバトル場で番を終えたターン Diego選手が順調に盤面にポケモンを並べてサイドを取り進める Andrew選手は盤面にあまりポケモンが並ばない 「山札切れ勝ち」特化で学習した価値関数を使うことで 「山札切れを狙える局面が来ている」ことを検出できそう -
まとめ • ポケカコンペで学習したモデルを使って以下をできることを確認した ◦ 「あるとゲームが有利に進められるカード」を提示する ◦ 「山札切れ勝ち」特化で学習した価値関数を使うことで 「山札切れを狙える局面が来ている」ことを説明できる • 以下は課題
◦ 提示したカードを引けるとなぜ「ゲームを有利に進められるか」の 提示まではできない (画面の見た目の問題も含む) ◦ 単一のモデルで「山札切れ勝ち」の説明が難しい ◦ リアルタイムであらゆる状況に対応するには、まだまだいろんなケースで試 す必要がありそう