【24時間AI学習】東方紅魔郷をノーミス・ノーボムでクリアするまで学び続ける強化学習AI【LIVE】

強化学習AIが「東方紅魔郷」を、ノーミス・ノーボムでクリアするまで24時間学習し続ける配信です。 人間のプレイデータや攻略パターンは使いません。AIは何度も被弾しながら、自分の試行錯誤だけで弾の避け方を身につけていきます。 ■ 画面の見かた ・中央：実際のゲーム画面（AIが操作しています） ・右下：AIが見ている画面 ― 弾を「本当の当たり判定の大きさ」で描き、自機の当たり判定、移動の軌跡、危険マップ（その場に居続けると何フレーム後に当たるか：赤＝すぐ／橙／黄＝少し先）を表示 ・左：挑戦回数、累計学習時間、今回の生存時間、最高到達、スコア・残機・パワー・グレイズ、報酬、AIの入力 ・左（10秒ごとに切替）：成長曲線／生き延びた時間／この先の見込み（価値関数）と「驚き」／次の一手の確率と迷い／到達した面の分布／運転の状況 ■ ルール ・ボム禁止、プレイ中のポーズ禁止 ・1プレイ（残機を使い切るまで）が終わり、リザルト画面になってから学習（重みの更新） ・当面の目標：Normal をノーミス・ノーボムでクリア → 最終目標：Lunatic のノーミス・ノーボム（LNN） ■ 仕組み（ざっくり） ・学習：PPO（強化学習） ・観測：画像ではなく、ゲームの内部状態（自機・弾・レーザー・敵・アイテム）を読み取り、自機から見た位置関係に変換 ・操作：8方向＋停止 × 通常/低速 の18通り（ショットは押しっぱなし） ・落ちたり止まったりしても、自動でゲームと学習を再起動して続けます ■ 注意 ・AIの成績はまだ発展途上です。長時間ぜんぜん進まないこともあります。 ・配信は自動運転のため、コメントへの返信が遅れることがあります。 本配信は上海アリス幻樂団様の「東方Project」の二次創作（ゲームプレイ配信）です。 原作：東方紅魔郷 ～ the Embodiment of Scarlet Devil（上海アリス幻樂団）