NEURAL DODGE EXPERIMENT
待機中避ける、を学習する。
01 / 経験データの収集
行動データを収集| 被弾 | 0 |
|---|---|
| 被弾/分(1分) | — |
| 被弾/分(10分) | — |
| 行動 | 待機 |
02 / 学習モデルの操作
NNで行動を選択・経験も学習| 被弾 | 0 |
|---|---|
| 被弾/分(1分) | — |
| 被弾/分(10分) | — |
| 行動 | 待機 |
00:00
学習トークン 0更新回数 0平均損失 —予測結果 —被弾尤度スコア —
判断状況 / 最後に危険を検出した判断
危険な候補を検出すると更新します。
| 行動候補 | 被弾スコア | 予測 | 選択 |
|---|---|---|---|
| 左 ¼ | — | 未評価 | |
| 左 ½ | — | 未評価 | |
| 右 ¼ | — | 未評価 | |
| 右 ½ | — | 未評価 | |
| 待機 300ms | — | 未評価 | |
| 待機 600ms | — | 未評価 |
最大確率の単語を2段階・各10単語まで予測します。行動・被弾に届かない候補は「先読み未到達」としてスコア1で評価します。高リスク・未到達の候補がある時に更新します。スコアは実測確率ではありません。
文章ビューワ / 学習モデルの行動履歴
行動選択時の直近64トークンを最新10件表示します(10秒ごとに更新)。行をクリックすると全文をコピーします。
左右両画面のすべての記録単語を、直前の履歴から予測するよう学習します。被弾は衝突した瞬間に記録します。学習は左75%・右25%を基本とし、不足分は他方で補います。右は200msごとに行動を推定し、途中の行動も切り替えます。記録はイベント発生時+200ms経過トークン、学習は1000msごと。学習はメモリ内のみ・再読み込みで初期化。