研究課題
(1)ダイナミクス学習層と強化学習層が1対1に対応する場合とそうでない場合があり、課題依存であることが分かった。前者の例として、対象のダイナミクスに依存して強化学習モジュールが定まる課題が、後者の例として、対象の存在場所に依存して強化学習モジュールが定まる課題がある。ダイナミクス学習層と強化学習層が1対1に対応する場合の方が本提案の有用性が大きいので、ここでは前者のみを考える。(2)課題として、2エージェントからなる追跡・逃避ゲームを取り上げた。各エージェントの速度や疲れ特性によって定まる追跡・逃避時の相対運動をダイナミクスと考え、ダイナミクス毎に強化学習モジュールを形成し、エージェントの特性が変化しても追跡・逃避を最適に行うという課題を考える。(3)この課題をそのまま扱うと状態数が大きすぎて強化学習が困難となるので、相対位置や障害物の位置などに着目して、状態数を減らす。この課題に対して、適切な強化学習モジュール群に近傍学習を行わせるという強化学習の予備的実験を行い、これが計算可能であることを確認した。(4)上記課題に対し、ダイナミクス学習層と強化学習層を統合した予備的実験を行った。強化学習という観点から見て、ダイナミクス学習層での分節化が適切になされているか否かは課題依存であり、ここで考えている課題では当然ながら適切に分節化できている。この統合はまだ予備的実験に留まっており、詳細な検討は平成20年度に引き続き実施する予定である。
すべて 2007 その他
すべて 雑誌論文 (4件) (うち査読あり 3件) 学会発表 (1件) 図書 (1件) 備考 (1件)
Neural Computing and Applications 16-6
ページ: 571-580
Brain-Inspired IT 1301
ページ: 48-51
ページ: 210-213
Neural Computation(Robot Localization Using Vision), Springer
ページ: 483-512
http://www.brain.kyutech.ac.jp/~ishikawa
