权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

マルチエージェント系における協調学習を介したシンボル獲得の実現

多智能体系统中通过协作学习实现符号获取

基本信息

批准号：
13780270
负责人：
植田一博
金额：
$ 1.6万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2001
资助国家：
日本
起止时间：
2001 至 2002
项目状态：
已结题

项目摘要

昨年度は,人間のサッカープレイヤに類似した学習方法によって,他プレイヤの行動の予測と状況のリスク計算の最適化を行うサッカーエージェントを構築したが,本年度は,構築した学習エージェントが,(1)チームプレーに関する学習を行わない既存のRoboCupチーム以上のパフォーマンスを示せるかどうかを実験的に検証した上で,(2)適切なパスの受渡しにとって重要なファクターである,パスの強さとプレイヤの移動速度のバランスをシステマティックに設定する方法を提案するための予備実験を行った。(1)に関しては,学習の課題として,1.味方間でパスが通れば報酬がもらえる課題(ボール支配課題),2.エンドラインを突破すれば報酬がもらえる課題(防御突破課題),3.11対11形式のゲームによる学習結果の確認,の3種類のシミュレーション実験を行った。比較対象は,申請者らがペースとして用いた,かつてのNo.1チームYowAIである。その結果,ボール支配課題に関しては,申請者の学習エージェントのボール支配時間がYowAIエージェントのそれを有意に上回り,防御突破課題に関しては,学習エージェントのアタッカチームがYowAIエージェントに比較して高い防御突破課題の達成率を示し,11対11のゲームに関しては,申請者のチームが30戦中16勝8敗6引き分けであった。したがって,申請者が提案した学習方法が動的環境下におけるマルチエージェント学習の方法として優れていることが,サッカーエージェントにおけるパフォーマンスの比較から示された。(2)に関しては,まず,3対2の中盤におけるボール支配を課題としたシミュレーションを行い,グリッドサイズとダッシュ時のプレイヤ移動速度を一定とし,パスの強さのみを変化させた.その変化に応じてボール支配時間が変化することを確認した。さらに,パスの強さに応じたパスの受渡しの変化を調べた結果,近距離パスが通りやすいパラメータ設定と,遠距離パスが通りやすいパラメータ設定があることが明らかとなった。

Last year, similar learning methods were used to predict and optimize the behavior of human beings, and this year, learning methods were used to optimize the behavior of human beings.(1) The existing RoboCup was used to predict the behavior of human beings.(2) The method of setting the speed of the vehicle is proposed according to the requirements of the vehicle. (1)In terms of learning topics, 1. the topic of compensation for lack of communication between tastes and tastes (the topic of control), 2. the topic of compensation for lack of breakthrough (the topic of defense breakthrough), 3. the confirmation of learning results in the 11-form module, and 3 types of modules were implemented. Comparison object, applicant As a result, the applicant's study time was significantly higher than YowAI's, and the defense breakthrough project achievement rate was higher than YowAI's. The applicant's study time was 16 - 8 - 6 points out of 30 points. The applicant proposes to study the method in a dynamic environment. The method of study is better than the method of study. (2)In this case, the 3 pairs of 2 mid-disk control subjects are moved in the middle of the process, and the speed of movement of the mid-disk control subjects is fixed, and the strength of the mid-disk control subjects is changed. The time of the birth of a child is determined by the age of the child. In addition, the results of the adjustment are as follows: close range, close range and close range.