動的環境のための階層的タスクネットワーク計画を用いたQ学習と行動選択ネットワーク法の統合

SUNG Yunsick; CHO Kyungeun; UM Kyhyun

文献

J-GLOBAL ID：201202261757726314 整理番号：12A0889213

動的環境のための階層的タスクネットワーク計画を用いたQ学習と行動選択ネットワーク法の統合

Integration of Q-learning and Behavior Network Approach with Hierarchical Task Network Planning for Dynamic Environments

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=12A0889213&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=12A0889213&from=J-GLOBAL&jstjournalNo=L7416A") }}

著者 (3件)： , ,
資料名：
巻： 15 号： 5 ページ： 2079-2090 発行年： 2012年05月
JST資料番号： L7416A ISSN： 1343-4500 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：英語 (EN)

仮想環境において協調又は独立して動く多種の仮想エージェントによる自動計画の問題は,一般に階層的タスクネットワーク(HTN)計画,Q学習,および行動選択ネットワーク法を用いて解かれる。各エージェントは,その目標を達成するために他のエージェントの動きを考慮して自分のタスクを計画しなければならない。しかし,この分解の実行に要する時間は,仮想エージェントの数と環境の実質的な変化によって大幅に増加する。これはQ学習とHTN計画の結合によって対応できる。しかし,それでも環境の動的変化が計画した基本タスクの実行を妨げることがある。このため,目標達成確率を高くするために,動的環境に適応する手法が必要になる。本論文は,行動選択ネットワーク法を加えて使用することを提案した。提案した統合手法を,仮想エージェントが実時間で順次動作を選択し実行するレーシングカーのシミュレーションに適用した。これまでのHTNと比較して,提案した方法は約142%という良い結果を示した。これによって,提案手法が動的環境を考慮した基本タスクを実行できることが検証できた。(翻訳著者抄録)

, , , , ,
, , ,

制御応用一般 , 人工知能

引用文献 (7件)：

[1] Erol, K., Hendler, J., and Nau, D. S., "HTN Planning: Complexity and Expressivity," Proceedings of the Twelfth National Conference on Artificial Intelligence (AAAI-94), pp.1123-1128, 1994.
[2] Fikes, R. and Nilsson, N. STRIPS, "a new approach to the application of theorem proving to problem solving. Artificial Intelligence," Vol. 2, pp. 189-208, 1971.
[3] Kelly, J. P., Botea, A. and Koenig, S., "Offline Planning with Hierarchical Task Networks in Video Games," Proceedings of the Artificial Intelligence and Interactive Digital Entertainment Conference (AIME), 2008.
[4] Sung, Y., Cho, K., Urn, K., "An Integration Method of Q-learning and Hierarchical Task Network Planning in Multi-agent System," International Conference on Computer Convergence Technology (ICCCT) 2011, pp. 1-9, 2011.
[5] Veloco, M., Carbonell, J., Perez, A., Borrajo, D., Fink, E., and Blythe J., "Integrating Planning and Learning: The PRODIGY Architecture," Journal of Experimental and Theoretical Artificial Intelligence, vol. 7, 1995.

, , , , , ,

前のページに戻る