निगरानी स्थान में ट्रांसफार्मर आधारित योजना और ट्रिक लेने वाले कार्ड खेलों के लिए अनुप्रयोग

परंपरागत खोज एल्गोरिदम में उन खेलों में समस्याएं होती हैं जहाँ संभावित अंतर्निहित स्थितियों और पथों की संख्या बहुत बड़ी होती है। यह चुनौती ट्रिक लेने वाले कार्ड खेलों में विशेष रूप से स्पष्ट है। जबकि स्थिति नमूना तकनीक जैसे कि परिपूर्ण जानकारी मोंटे कार्लो (PIMC) खोज इन प्रसंगों में सफलता दिखा चुकी है, फिर भी इनमें बड़ी सीमाएँ हैं। हम जनरेटिव ऑब्जर्वेशन मोंटे कार्लो ट्री सर्च (GO-MCTS) प्रस्तुत करते हैं, जो खेल विशेष मॉडल द्वारा उत्पन्न ऑब्जर्वेशन अनुक्रमों पर MCTS का उपयोग करता है। यह विधि निगरानी स्थान के भीतर खोज करती है और एजेंट के अवलोकनों पर पूरी तरह से निर्भर करने वाले मॉडल का उपयोग करके खोज को आगे बढ़ाती है। इसके अलावा, हम यह प्रदर्शित करते हैं कि ट्रांसफार्मर इस संदर्भ में जनरेटिव मॉडल के रूप में अच्छी तरह से अनुकूल हैं, और हम जनसंख्या-आधारित आत्म-खेल के माध्यम से ट्रांसफार्मर को क्रमिक रूप से प्रशिक्षित करने की प्रक्रिया को प्रदर्शित करते हैं। GO-MCTS की प्रभावशीलता विभिन्न असाधारण जानकारी वाले खेलों, जैसे कि हृदय, स्कैट, और "द क्रू: द क्वेस्ट फॉर प्लैनेट नाइन" में आशाजनक परिणामों के साथ प्रदर्शित की जाती है।