ポケモンバトルに勝てる
AIを作ってみた！
広島市立大学大学院
渡辺春希
1

ポケモンバトルとは？
2
・技を選択して相手のHPをゼロにする。
・相手のポケモンをすべて倒したら勝ち！
出典：https://www.youtube.com/watch?v=CiPhZjbLdt0

ポケモンバトルで重要なこと
3
⚫ いろいろあるけど..
勝つためには相手に与えるダメージ量が大切！
⚫ 与えるダメージ量だけではなく..
負けないためにはこちらの受けるダメージ量も大切！
これらのことから攻撃を与える際は多くのダメージを与え，
攻撃を受ける際は最小のダメージに抑えることが大切！

タイプ相性
4
・ダメージ量に大きく影響するのがタイプ相性！
・0.5倍，2倍の他にも1倍，0倍が存在する。
2倍
2倍
2倍
0.5倍
0.5倍
0.5倍
くさ
みず
ほのお
0.5倍
0.5倍
0.5倍

新要素：テラスタル
5
出典：https://article.yahoo.co.jp/detail/9d5d92b3520bcf0994c7bbf00f83ee4755ad16e3
・ポケモン最新作では特定のタイプに変更できるテラスタルが追加
・変更できるタイプはバトル前に予め設定したタイプのみ
・テラスタルを行えるのは3体中1体のみ

テラスタルがあると
6
みず
有利
ほのお
不利
VS
炎が草タイプに
テラスタルすると
みず
不利
くさ
有利
VS
・従来不利な対決もテラスタルにより，優位になる。
・テラスタルを上手く使うかどうかが勝利の鍵！

テラスタルを読めれば
7
みず
ほのお
VS
テラスタル
を読めれば
ほのお
有利
くさ
不利
VS
草にテラスタ
ルするかw
えー！！
・テラスタルはカウンターに近い
・相手のテラスタルに最適な行動をすればテラスタルの権利を
無駄にすることができる！

テラスタルの理不尽さ
8
⚫ 運要素が多すぎる！
誰がテラスタルするのか？いつテラスタルするのか？
何タイプにテラスタルするのかなど..
⚫ 予測できそうなもの
誰やいつは状況によって異なるため難しそう。
タイプは予め設定するので何かしらのパターンは
ありそう。

テラスタイプ予測AI
9
・対象のポケモンのステータス(種族値)，タイプを入力し
テラスタイプを予測するAIを構築。
・分類のクラス数は18。
炎タイプで
ステータスは..
草タイプかなぁ

タイプを数値に変換
10
くさ ほのお みず
くさ 1 0 0
ほのお 0 1 0
みず 0 0 1
炎タイプだから
010だな。
One-hot表現を用いた数値変換表
・タイプは文字列のため，数値に変換する
・数値変換の例としてone-hot表現が挙げられる。
・しかしone-hotではどのタイプに強い，弱いが分からない。

タイプ相性を用いた数値変換
11
くさ ほのお みず
くさ 0.5 2 0.5
ほのお 0.5 0.5 2
みず 2 0.5 0.5
タイプ相性を用いた数値変換表
・タイプ相性を用いた数値変換を提案
・これなら特定のタイプの強弱が明確となる。

集めたデータ
12
出典：https://yakkun.com/bbs/party/
・ポケモン徹底攻略からSeleniumを用いて
スクレイピングを実施。
・合計で5992匹分のデータを収集。

まとめたデータ
13

実験設定
14
使用モデル：ニューラルネットワーク
最適化関数：Adam
学習率：0.001
エポック数：50
評価指標：正解率
使用変数：｛ステータス(種族値),ワンホットによるタイプ，
タイプ相性によるタイプ,タイプ相性和,
ワンホット和｝
5分割の交差検証を実施

実験結果
15
使った変数 正解率
{種族値，ワンホット，ワンホット和} 0.4052
{種族値，タイプ相性，タイプ相性和} 0.4005
{種族値，ワンホット} 0.3992
{タイプ相性，タイプ相性和} 0.3972
{種族値，タイプ相性} 0.3967
{ワンホット} 0.3937
{ワンホット，ワンホット和} 0.3932
{タイプ相性} 0.3914
{種族値} 0.3853
使った変数による正解率
・正解率の変化はそこまでなかった。

正解率が低かった理由
16
⚫ データ量が少ない？
・6000件はデータ量としては少なかったか..
・1000件→6000件に増やした際に正解率が上がったので
今後データを増やす必要はあるかも。
⚫ ラベルの不均衡
・データ量が少ないラベルでは47件だった。
・多いラベルでは630件。
⚫ 特徴量設計
0.5以下ならマイナスの値に変換するなど。

ヒートマップ
17
・データ量が多い“くさ”や“はがね”
に予測が集中している。
・データ量が少ない“むし”や“エスパー”
の予測は少ない。

まとめ
18
⚫ テラスタイプを予測するAIの構築
ラベルの不均衡，データ量などから高い正解率を示せなかった。
⚫ 一通りのプロセスの経験
普段行わないデータ収集，特徴量設計などを行った。
⚫ 今後の発展
種族値やステータスだけではなく，パーティの情報も
モデルに組み込んでみる。

コードやデータ
19
github:https://github.com/harukirara/terasu_pre
アプリ:https://harukirara-terasu-pre-app-m57l3m.streamlit.app/

20