状態の複数の抽象化による方策こう配法の高速化 : トンネル状の障害物が存在する追跡問題への適用(情報ネットワーク)
スポンサーリンク
概要
- 論文の詳細を見る
マルチエージェントシステムにおける強化学習にはエージェント数の増加に伴い状態数が著しく増加する問題があり,現実的な計算資源の範囲内で学習を行うには環境の状態表現を工夫する必要がある.本論文では,複数の抽象化された状態表現に基づく状態・行動ルールを統合することにより,方策こう配法による強化学習の高速化を図った.この統合は方策中の目的関数を各抽象化空間内でのルール重みの和で定義することにより容易に実現できる.提案手法の有効性を検証するために,自律分散的なマルチエージェント環境の標準的な問題として知られている追跡問題への適用を試みた.本論文で取り上げた追跡問題にはトンネル状の静止障害物が加えられている.したがって,トンネル内で獲物を捕獲するには獲物をトンネル内へ追い込んだ後,複数ハンターが両側から挟撃するという協調行動の学習が必要となる.このような難しい問題に対しても本手法により学習速度が向上し,捕獲までのステップ数が短縮されることをシミュレーション実験で示した.
- 2011-06-01
著者
関連論文
- 非マルコフ決定過程における強化学習 : 特徴的適正度の統計的性質(モデル/理論,ソフトウェアエージェントとその応用論文)
- 非マルコフ決定過程における方策勾配法の一考察 : カーリングの事例
- Ridgelet-Hough変換を用いた足跡画像符号化に関する考察 : 符号化方法の提案および従来法との特徴比較(プロセッサ, DSP, 画像処理技術及び一般)
- Ridgelet-Hough変換を用いた足跡画像符号化に関する考察--符号化方法の提案および従来法との特徴比較
- 1D-6 方策勾配法を用いたサッカーエージェントの学習 : パス・レシーブ(ゲーム・ロボカップ,一般セッション,人工知能と認知科学)
- 2P1-S-022 方策勾配法を用いたフリーキック時の行動学習(ロボカップ2,生活を支援するロボメカ技術のメガインテグレーション)
- Ridgelet-Hough変換を用いた足跡画像符号化に関する考察 : 符号化方法の提案および従来法との特徴比較(プロセッサ, DSP, 画像処理技術及び一般)
- Ridgelet-Hough変換を用いた足跡画像符号化に関する考察 : 符号化方法の提案および従来法との特徴比較(プロセッサ, DSP, 画像処理技術及び一般)
- 1A1-N-028 方策勾配法を用いた運動方程式中のパラメータ学習 : 2ストーン系のカーリングゲーム(マルチエージェントロボットシステム,生活を支援するロボメカ技術のメガインテグレーション)
- Ridgelet-Hough変換を用いた足跡画像符号化に関する考察 : 符号化方法の提案および従来法との特徴比較(プロセッサ, DSP, 画像処理技術及び一般)
- 離散最適化問題としての自律移動型ロボットの走行誘導
- 方策こう配法を用いた行動学習 : 環境のダイナミクスと行動知識との分離
- マルチエージェント系における行動学習への方策こう配法の適用 : 追跡問題(分散協調とエージェント)
- マルチエージェント系における方策勾配法 : 追跡問題
- マルチエージェント系における方策勾配法 : 追跡問題
- 強化学習を用いた自律移動型ロボットの行動計画法の提案
- 方策勾配法における目的関数の合成と追跡問題への適用 (テーマ:知能・適応と社会,ネットワーク) -- (マルチエージェントシステム)
- F_004 方策こう配法を用いた行動学習 : 方策中での状態遷移確率の表現(F分野:人工知能・ゲーム)
- 入力パターンベクトルの分布に基づくクラス分類問題の分割法
- 方策勾配法を用いた自律移動型ロボットの行動計画法
- ノードコストを考慮した最短経路探索法とデータ構造
- ノードコストを考慮した最短経路探索法とデータ構造
- 離散最適化問題としての自律移動型ロボットの経路計画
- 状態の複数の抽象化による方策こう配法の高速化--トンネル状の障害物が存在する追跡問題への適用
- 状態の複数の抽象化による方策こう配法の高速化 : トンネル状の障害物が存在する追跡問題への適用(情報ネットワーク)
- 動径基底関数を用いたクラス分類問題の分割法 : モジュール型ニューラルネットワークへの適用
- マルチエージェントシステムにおける行動制御 : PSOにおける重み係数の強化学習(情報ネットワーク)
- ファジィ制御ルールにより表現された方策を持つ方策勾配法の導出
- 方策勾配法による局面評価関数とシミュレーション方策の学習
- D-8-4 ファジィ制御ルールにより表現された方策を持つ方策勾配法の適用事例:RoboCup小型リーグ(D-8.人工知能と知識処理)
- D-8-3 RoboCupサッカーシミュレーションリーグ2Dにおけるリターンパス:chain_action上の状態予測(D-8.人工知能と知識処理)