文献

J-GLOBAL ID：202302218049317484   整理番号：23A3109145

ローグライクゲームの強化学習における好奇心を用いた学習手法の比較検討

Comparative Study of Curiosity Learning Methods in Reinforcement Learning for Rogue-like Games

著者 (2件)： 荒井新太郎 (立教大 大学院人工知能研究科) ,  三宅陽一郎 (立教大 大学院人工知能研究科)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 37th  ページ： ROMBUNNO.3E5-GS-2-04(J-STAGE)  発行年： 2023年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,ビデオゲームなどの複雑な環境において深層強化学習を用いることでエージェントの行動最適化を狙う試みが多く行われている。しかし,強化学習における問題として報酬が疎らにしか環境から与えられない場合に学習が難しくなる傾向がある。この問題に対しては外部から与えられる報酬の他に,観測した状態の新規性に基づいた内部報酬を用いることで解決する手法(好奇心ベース)が提案されている。本研究では報酬が疎らな他に,環境がランダムで生成されるという特徴を持つローグライクゲームを対象に,Q学習,Deep Q-Networks(DQN)によって学習を行う。また,それぞれに好奇心ベース手法を適用し学習することで,それぞれの手法がどのようにダンジョン探索を効率的に行えるかを比較する。その後,学習済みの各手法のモデルを用いてランダム生成したダンジョンの探索を行い,対しどれだけ性能を発揮できるか比較し考察を行った。(著者抄録)

シソーラス用語： ビデオゲーム ,  *強化学習 ,  *学習 ,  情動 ,  エージェント ,  最適化 ,  環境 ,  ニューラルネットワーク ,  生産 ,  発生 ,  ディープニューラルネットワーク ,  ランダム発生 ,  深層強化学習 ,  インセンティブ ,  改変
準シソーラス用語： Q学習 ,  好奇心 ,  報酬

分類 (2件)： 人工知能  (JE08000Z) ,  ゲーム理論  (KA03060T)

タイトルに関連する用語 (5件)： 強化学習 ,  好奇心 ,  学習 ,  手法 ,  比較検討