|
機械学習モデルの予測結果を活用した予測型意思決定最適化は，実世界で人間と環境が複雑に相互作用する状況（実世界インタラクション）において，あらゆる行動選択に応用可能であることから，当該技術の高度化が望まれている．しかしながら，逐次的な次行動の予測・最適化に留まっており，最終的に期待される重要行動や実世界の無数の状況を見据えた予測型意思決定最適化の実現には至っていない．そこで，本研究では，現在までの行動過程から重要行動に至るまでの長期的視点を新たに導入するとともに，未観測の行動候補や実環境の動的変化に着目することで，実世界インタラクションにおけるバックキャスト予測型意思決定最適化技術を構築する．
|
