マルチエージェント環境における記号とパターンの統合

人は読書をしたり、言語を使用して論理的に考えるといった「記号に基づく情報処理」と絵画や音楽を鑑賞するといった「パターンに基づく情報処理」の2つの情報処理を統合して高次認知機能を実現しており、多くの研究者によっていろいろなモデルが提案されている。本研究では、それらのモデルをエージェントが複数存在するマルチエージェント環境に適用できるように拡張して、実際に複数台のロボットを使用してモデルを検証することを目的とした。具体的には、現在、人工知能研究者並びに知能ロボット研究者らの注目を集めているRoboCupのサッカー問題を考える。モデルとしてはRon Sunらによって提案されているCLARIONをベースにした。記号処理の部分にはルールベースを用い、パターン処理の部分には強化学習を用いた。実験に際してはRoboCup中型機リーグシミュレータとロボットを1台新規に開発した。ロボットは全方位カメラを搭載しており、オンボードのコンピュータにより画像処理、行動決定等を行うことのできる自立型である。移動機構としてはオムニホイールを用いた全方位移動システムを採用した。シミュレータの実験で簡単なタスクの場合はモデルの有効性を検証できたが、実際のロポット複数台を使用したときはモデルの有効性を検証することは困難であった。理由としては、実際のロボットの外界センサ情報(パターン情報)を文節化することが困難であったことなどが挙げられる。この点を解決することが今後の課題である。

人は読書をしたり、言語を使用して論理的に考えるといった「記号に基づく情報処理」と絵画や音楽を鑑賞するといった「パターンに基づく情報処理」の2つの情報処理を統合して高次認知機能を実現しており、多くの研究者によっていろいろなモデルが提案されている。本研究では、それらのモデルをエージェントが複数存在するマルチエージェント環境に適用できるように拡張して、実際に複数台のロボットを使用してモデルを検証することを目的とした。具体的には、現在、人工知能研究者並びに知能ロボット研究者らの注目を集めているRoboCupのサッカー問題を考える。モデルとしてはRon Sunらによって提案されているCLARIONをベースにした。記号処理の部分にはルールベースを用い、パターン処理の部分には強化学習を用いた。実験に際してはRoboCup中型機リーグシミュレータとロボットを1台新規に開発した。ロボットは全方位カメラを搭載しており、オンボードのコンピュータにより画像処理、行動決定等を行うことのできる自立型である。移動機構としてはオムニホイールを用いた全方位移動システムを採用した。シミュレータの実験で簡単なタスクの場合はモデルの有効性を検証できたが、実際のロポット複数台を使用したときはモデルの有効性を検証することは困難であった。理由としては、実際のロボットの外界センサ情報(パターン情報)を文節化することが困難であったことなどが挙げられる。この点を解決することが今後の課題である。