2019 Fiscal Year Research-status Report
構成論的アプローチによる集団行動の分析と学習支援システムの構築
| Project/Area Number |
16K21442
|
|---|
| Research Institution | Musashino University |
|---|
Principal Investigator |
渡邊 紀文 武蔵野大学, データサイエンス学部, 准教授 (30534721)
|
|---|
| Project Period (FY) |
2016-04-01 – 2021-03-31
|
| Keywords | 集団行動分析 / 意図推定 / 意志決定過程 / ドロネー三角形分割 / 視線分析 / パターンタスク / ロボカップ |
|---|
| Outline of Annual Research Achievements |
我々はこれまでサッカー選手行動を分析およびモデル化し，マルチエージェントシミュレーション環境の一つであるロボカップサッカー2Dシミュレーションを利用してモデルの検証及び人間のパス行動時の意思決定過程について分析してきた．サッカーでのパス行動においては，選手間に協調パターンが共有されており，それに基づいてパスを出す相手を選択していると考えられる．このような協調パターンを分析するため，2019年度は，幾何学的構造を明らかにするドロネー三角形分割を利用した．具体的にはドロネー三角形分割を用いて，敵と味方の選手の位置関係を三角形の角度，辺の長さ，またゴールとの距離や視線の範囲を評価値とすることで，キープレイヤーを抽出した．人による評価と比較することで，本手法の妥当性が示され，本研究成果を国内学会にて発表した．
更に動的にパターンが変化するサッカーにおいては，協調パターンも複数存在し，ゴールに繋がるまでの協調パターンを評価し，最も得点に繋がるパターンを選択して，そこに存在する選手にパスを出すと考えられる．このような協調パターンを人間がどのように評価しているのか，また人と協調パターンを形成するエージェントにはどのような行動戦略モデルを構築すべきかを明らかにするため，協調パターンタスクの行動実験に基づいたモデル構築とシミュレーション分析を行った．シミュレーション結果より，人の行動実験から得られた「自己優先」および「他者の推定」という2つの戦略アルゴリズムを持つエージェントが．最も早く目標パターンに到達することができ，人間の行動実験と同様の結果が得られた．本研究成果を雑誌論文および国内学会にて発表した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2018年度までに実施した人を対象とした行動実験を元に，2019年度はパス行動のトレーニングシステムに実装するエージェントモデルのアルゴリズム構築を行った．2018年度に行ったサッカー行動時の視線分析の結果から，選手同士がアイコンタクトを取るタイミングおよび，選手同士が意図を推定するタイミングが明らかとなったため，そのタイミングでどのように選手のパターンを形成し，そこからキープレイヤーを抽出するのかについて，ドロネー三角形分割を利用した分析を行った．その結果，人が評価したキープレイヤーを，ドロネー三角形を用いた評価値で抽出することが可能となり，本抽出アルゴリズムをエージェントに実装することで，ユーザにキープレイヤーを探索するトレーニングを行うことが可能となる．
次に，エージェントが人と協調して行動をするためには，人が持つ協調パターン獲得の過程を，エージェント自身も獲得している必要がある．そこで集団行動での人の意思決定過程を分析したパターンタスク実験および，その行動戦略をモデル化したシミュレーション実験を行った．シミュレーション結果より，人が集団の意思決定で行っていた「自己優先」および「他者の推定」という2つの戦略をモデル化し実装することで，人間の行動と同じステップで協調パターンを獲得するエージェントを構築することができた．本エージェントをトレーニングシステムに実装することで，エージェントはユーザと協調した行動をとることが可能となる．
これらの研究成果は，玉川大学工学部大森隆司研究室と協力してロボカップシミュレーション２Dリーグのエージェントにも利用しており，JapanOpenでは4位，また世界大会においても11位の成果をあげている．今後我々の研究手法を国内外のチームへも提供し，人の集団行動のメカニズムを明らかにする研究分野の活性化へもつなげる．
|
| Strategy for Future Research Activity |
2020年度は，協調パターンタスクで実装したエージェントモデルを，サッカーでの動的に変化するパターンに対応し，そこでリアルタイムに自己優先選択，また他者エージェントを推定するアルゴリズムを構築する．特にサッカーでは，全選手が同じアルゴリズムで意図を推定する場合だけでなく，特定のキープレイヤーとなる選手が自己の意図を他者に明示し，他の選手を誘導することで，複数の協調パターンが同時に推定される不確実性を減少させるような行動をすることがある．このような能動的な意図の開示が，どのタイミングでどのような形で形成されるのかについて，シミュレーション分析を行う．
次に，これまでの仮想環境を利用したサッカーパス行動時の視線分析，ドローンを用いた協調パターン形成時のアイコンタクトのタイミングの分析から，ヘッドマウントディスプレイを利用した仮想環境で，被験者にパスを出す直前のタイミングでキープレイヤーに視線を誘導するシステムを構築する．2019年度に分析したドロネー三角形分割を利用することで，キープレイヤーを抽出し，その選手のいる方向にオプティカルフローを呈示して被験者の視線を誘導する．オプティカルフローを利用した視線の移動は，視覚誘導自己運動感覚という錯覚の一つであり，これまで研究代表者はこの手法を用いて歩行者を誘導する実験を行っている．
上記サッカー行動での協調パターン形成エージェントモデル，ヘッドマウントディスプレイを利用したサッカー仮想環境での視線誘導システムを統合することで，ユーザが他の選手の行動意図を推定し，それに基づいて選手間の協調パターンを獲得する，サッカー集団の共有概念獲得システムの構築を行う．
|
| Causes of Carryover |
サッカー選手行動を獲得するトレーニングシステムでは，エージェントの行動を呈示するヘッドマウントディスプレイと，それに反応した行動を計測する動作分析システムが必要である．申請時には，歩行型バーチャルリアリティデバイスVirtuix社製「Omni」を利用する予定であったが，現在日本国内では購入することができないため，本研究での分析に利用可能なシステムを調査している．2020年度予算は，システム導入経費として使用する予定である．
|
