[論文レビュー] On the Complexity of Reconnaissance Blind Chess

J. Markowitz, Ryan W. Gardner+1 more|arXiv (Cornell University)|Nov 7, 2018

Artificial Intelligence in Games参考文献 17被引用数 8

ひとこと要約

本稿は、相手の駒の位置を限定的に可視化するプライベートなセンシング行動を用いるチェスバージョンであるレコノイサンス・ブラインドチェス（RBC）の計算複雑性を分析している。効果的なセンシング戦略が存在するが、RBCの情報集合のサイズはゴーように大きく、平均的な情報集合サイズはヘッドアップリミット・ホールデム・ポーカーを上回っており、深いつまりの不確実性下でのAIの挑戦的でユニークなベンチマークである。

ABSTRACT

This paper provides a complexity analysis for the game of reconnaissance blind chess (RBC), a recently-introduced variant of chess where each player does not know the positions of the opponent's pieces a priori but may reveal a subset of them through chosen, private sensing actions. In contrast to many commonly studied imperfect information games like poker, an RBC player does not know what the opponent knows or has chosen to learn, exponentially expanding the size of the game's information sets (i.e., the number of possible game states that are consistent with what a player has observed). Effective RBC sensing and moving strategies must account for the uncertainty of both players, an essential element of many real-world decision-making problems. Here we evaluate RBC from a game theoretic perspective, tracking the proliferation of information sets from the perspective of selected canonical bot players in tournament play. We show that, even for effective sensing strategies, the game sizes of RBC compare to those of Go while the average size of a player's information set throughout an RBC game is much greater than that of a player in Heads-up Limit Hold 'Em. We compare these measures of complexity among different playing algorithms and provide cursory assessments of the various sensing and moving strategies.

研究の動機と目的

• プライベートなセンシングと不完全情報を持つ、新しいチェスバージョン・レコノイサンス・ブラインドチェス（RBC）のゲーム理論的複雑性を評価すること。
• RBCの情報集合の増加が、ゴーやポーカーといった既存のゲームと比べてどの程度かを定量化すること、特に効果的なセンシング戦略下での比較を含む。
• RBCが、抽象化やサブゲーム分解に依存する既存のAIアルゴリズムが直面する課題を評価すること、特に不完全情報ゲーム向けに設計されたものに関して。
• RBCの独自構造—プレイヤー同士が相手が何を知っているかについて不確実である—が、未知の未知数（unknown-unknowns）を伴う現実世界の意思決定をよりよくモデル化できるかを検討すること。
• 今後のAI研究の基盤を提供するため、RBCを不確実性に配慮した意思決定の高複雑度ベンチマークとして特定すること。

提案手法

• 情報集合の増加とゲーム状態の増幅を追跡するために、標準的なRBCアルゴリズム間のシミュレートされたトーナメントを実施。
• 2つの主要な指標を用いてゲームの複雑性を測定：プレイ中に到達可能な情報集合の総数、およびプレイヤーの情報集合の平均サイズ。
• センシング行動のシーケンスと駒の位置の不確実性に基づいて、情報集合の数を推定するために実験的シミュレーションを用いた。
• 異なるセンシングおよび移動戦略が情報集合サイズとゲーム複雑性に与える影響を評価した。
• 情報集合の指数的増加のため、カウンターファクチュアルレジストリミニマイゼーション（CFR）、ISMCTS、POMCPといった既存のAI技術がRBCに適用する上での限界を分析した。
• RBCにおける理論的サブゲーム分解を検討し、相手の知識状態がお互いに分からないという点から、公的サブゲームがしばしばほぼ全体のゲームを含むことが判明した。

実験結果

リサーチクエスチョン

• RQ1 RBCにおける到達可能な情報集合の数は、ゴーやヘッドアップリミット・ホールデム・ポーカーと比べてどの程度か？
• RQ2 RBCにおけるプレイヤーの情報集合の平均サイズはどの程度で、標準的な不完全情報ゲームと比べてどうか？
• RQ3 効果的なセンシング戦略は、RBCにおける情報集合の指数的増加をどの程度軽減できるか？
• RQ4 プレイヤー同士が相手の知識状態について不確実であるという点を踏まえると、なぜ従来のサブゲーム分解がRBCでは効果的でないのか？
• RQ5 情報集合の規模が莫大であることを考慮すると、CFR や POMCP といった既存のAI手法はRBCに実用的に適用可能か？

主な発見

• 効果的なセンシング戦略が存在するが、RBCで到達可能な情報集合の総数はゴーと同等の規模に達する。
• RBCにおけるプレイヤーの情報集合の平均サイズは、ヘッドアップリミット・ホールデム・ポーカーにおけるプレイヤーのそれより大きいことから、著しく高い不確実性が生じていることが示された。
• 7手目までに、相手の知識状態の不確実性のため、プレイヤーは約 7.8 × 10^10 通りの可能な情報集合を考慮しなければならない。
• RBCには局所的な規則性がなく、小さな配置の変更が戦略的意味を劇的に変えるため、標準的なゲーム抽象化技術の有効活用が困難である。
• サブゲーム分解はRBCではほとんど実用的でない。なぜなら、同一視の下で閉じる公的サブゲームが、相手の知識状態がお互いに分からないという点から、しばしばほぼ全体のゲームを含むからである。
• ISMCTS や POMCP といった既存のAI手法は、情報集合の指数的増大と収束保証の欠如のため、RBCでは収束性とスケーラビリティの問題に直面する。