2019 Fiscal Year Annual Research Report
Intaractive Optimization Method based on Bidirectional Reinforcement Learning of Agent and Trainer and Verification with Practical Data
| Project/Area Number |
17K00345
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
堀尾 恵一 九州工業大学, 大学院生命体工学研究科, 教授 (70363413)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
磯貝 浩久 九州産業大学, 人間科学部, 教授 (70223055)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | メンタル状態 / フィードバックコメント / 強化学習 / 報酬設計 |
|---|
| Outline of Annual Research Achievements |
本研究では，対象となるエージェントが強化学習に基づく行動を獲得するということを仮定し，エージェントの特性を分類し，それに応じた適切な報酬の与え方を設計する．報酬の与え方も強化学習に基づき獲得するので，これを双方向型強化学習と呼び，その枠組みの確立を目的とするものである．これに対し，当初の計画では，（１）計算機上で特性の異なるエージェント集団を構築し，その学習課程に基づいてエージェントを分類する，（２）各クラスのエージェントに対して与える報酬を設計する，（３）シミュレーションで基礎的な方法論を構築すると同時に，実問題における報酬設計の妥当性の検証を行う，（４）これらの研究を通して，教育現場やスポーツ現場における指導の検証を試みる，としており，昨年度までの成果を踏まえ，今年度はスポーツ現場における指導により種々の検証を行った．
一昨年度に利用を開始したメントレアプリを用いて，昨年度から実施しているアプリ側からのフィードバックコメント自動生成のパターンを再検討し，昨年度と同チームで再実験を行うことで効果の検証を行った．メンバーの中には，フィードバックコメントとして，現状を客観的に報告するパターンの場合にパフォーマンスが良い選手が多く，次いで，フィードバックコメントがポジティブパターンの場合にパフォーマンスが良い選手が多い傾向があった．ただし，昨年度と今年度の2度の検証において，同じ選手が同じ傾向を有するということがあまり見られず，フィードバックコメントが選手のパフォーマンスに与える影響を明確に示すには至らなかった．選手に応じた適切なフィードバックコメントの自動生成にためには，今回の結果では不十分ではあるが，方向性の目途は付けられたものと考えられる．
|
