コンテンツにスキップ

Pokemon Card AI ドキュメント

Pokemon TCG AI Battle Challenge向けエージェントの設計、運用、実験結果をまとめたドキュメントです。すべての文書をこのサイトから閲覧できます。

最初に確認すること

現在の仕様を確認するときは「アーキテクチャ」、実行手順を確認するときは「運用」を優先してください。「調査・実験」と「開発記録」には、現在は使われていない方式も含まれます。

現在の開発状況

更新日: 2026-07-24

項目 現在の状態
主モデル UnifiedTokenPolicyValueNet、d_model=256、共有Transformer 4層、約6,117万パラメータ
探索 ルートにGumbel Sequential Halvingを適用したBelief-Guided Neural ISMCTS。1回の意思決定で4つの非公開状態候補を使い、各120回、合計480回シミュレーションする
学習 1エポック、実効バッチ64、学習率1e-5、勾配クリップ10.0。Policy・Value・サイド取得補助・Beliefを同時に学習する
現在のChampion V14サイクル3の試行M。checkpoints/experiments/v14-cycle003-multi-head-balance/attempt-m-best.pt
実行中の処理 v14-gumbel-iterative-10k / 20260714-005806のサイクル4で自己対戦データを生成中。学習と昇格判定は未完了
直近の昇格結果 サイクル3は旧Championとの終了試合で51.47%、ルールエージェント群との対戦で22.32%。ルールエージェント群に対する改善条件を満たして正式昇格
次に行う判定 サイクル4を完了し、サイクル3との直接対戦、ルールエージェント群との対戦、MLflowの学習・検証指標、デッキ別の回帰を確認する
ロードマップの段階 基準評価は完了。学習ループ、探索教師、複数ヘッド学習の効果を検証中。次の設計課題は残存山札、行動後の盤面変化、相手のデッキ候補を入力へ明示すること

詳しい根拠と実行順はプロジェクトロードマップ、サイクル3の結果は複数ヘッド間のバランス検証を参照してください。

目的から選ぶ

やりたいこと 最初に読むページ 次に読むページ
環境構築して動かす 導入・基本操作 サーバー学習手順
現在のAI方式を理解する 現在の手法 処理フロー
実装を変更する ソース設計とAPI モジュール索引
self-playと学習を運用する サーバー学習手順 MLOpsパイプライン
評価結果を調べる 評価モジュール GumbelとVisitの評価
テスト・formatterを実行する 開発・品質チェック テストマップ
過去の実験を追う 調査・実験の索引 開発記録の索引

文書の種類

区分 内容 参照する目的
アーキテクチャ 現在の手法、モジュールAPI、データ形式 実装や仕様を確認する
運用 実行コマンド、再開、監視、公開手順 self-playや学習を実行する
設計判断 採用した設計判断と理由 方針を決めた背景を確認する
調査・実験 仮説、比較、失敗分析 次の実験を計画する
開発記録 日付順の作業・実験記録 変更の経緯を時系列で確認する
外部仕様・提出 CABTやKaggleなどの外部仕様 外部実行環境との接続方法を確認する

まず読むドキュメント

サイトの使い方

左側のナビゲーションはカテゴリごとに開閉できます。本文は見出し左の矢印で折りたため、ページ上部のボタンから一括で開閉できます。右側の目次や検索結果から見出しへ移動した場合は、該当する節が自動的に開きます。

ローカルで確認する場合:

uv sync --group docs
mise run docs:serve

http://127.0.0.1:8000をブラウザまたはVS CodeのSimple Browserで開きます。Cloudflare Pages版は、mainへドキュメントの変更をpushするとGitHub Actionsがビルドして更新します。