文献

J-GLOBAL ID：201802232939480866   整理番号：18A0946979

人工エージェントにおけるグリッド様表現を用いたベクトルベースのナビゲーション

Vector-based navigation using grid-like representations in artificial agents

著者 (29件)： BANINO Andrea (DeepMind, London, GBR) ,  URIA Benigno (DeepMind, London, GBR) ,  BLUNDELL Charles (DeepMind, London, GBR) ,  LILLICRAP Timothy (DeepMind, London, GBR) ,  MIROWSKI Piotr (DeepMind, London, GBR) ,  PRITZEL Alexander (DeepMind, London, GBR) ,  CHADWICK Martin J. (DeepMind, London, GBR) ,  DEGRIS Thomas (DeepMind, London, GBR) ,  MODAYIL Joseph (DeepMind, London, GBR) ,  WAYNE Greg (DeepMind, London, GBR) ,  SOYER Hubert (DeepMind, London, GBR) ,  VIOLA Fabio (DeepMind, London, GBR) ,  ZHANG Brian (DeepMind, London, GBR) ,  GOROSHIN Ross (DeepMind, London, GBR) ,  RABINOWITZ Neil (DeepMind, London, GBR) ,  PASCANU Razvan (DeepMind, London, GBR) ,  BEATTIE Charlie (DeepMind, London, GBR) ,  PETERSEN Stig (DeepMind, London, GBR) ,  SADIK Amir (DeepMind, London, GBR) ,  GAFFNEY Stephen (DeepMind, London, GBR) ,  KING Helen (DeepMind, London, GBR) ,  KAVUKCUOGLU Koray (DeepMind, London, GBR) ,  HASSABIS Demis (DeepMind, London, GBR) ,  HADSELL Raia (DeepMind, London, GBR) ,  KUMARAN Dharshan (DeepMind, London, GBR) ,  BANINO Andrea (Univ. Coll. London, London, GBR) ,  BARRY Caswell (Univ. Coll. London, London, GBR) ,  KUMARAN Dharshan (Univ. Coll. London, London, GBR) ,  HASSABIS Demis (Univ. Coll. London, London, GBR)
資料名： Nature (London)  (Nature (London))
巻： 557  号： 7705  ページ： 429-433  発行年： 2018年05月17日 
JST資料番号： D0193B  ISSN： 0028-0836  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ディープニューラルネットワークは,対象物の認識から囲碁のような複雑なゲームに至るまで,目覚しい成功を収めてきた。しかし,ナビゲーションは人工エージェントの大きな難題であり続けており,強化学習によって訓練されたディープニューラルネットワークも,嗅内皮質のグリッド細胞によって支えられる哺乳類の空間行動の熟達度にかなわない。グリッド細胞は,空間を符号化する際に,測定基準として機能する複数のスケールの周期性表現を提供すると考えられており,自己の移動の積分(経路積分)と,目的地への最短経路の計画(ベクトルベースのナビゲーション)に重要である。今回我々は,グリッド細胞の計算機能を利用して,哺乳類に似たナビゲーション能力を持つ深層強化学習エージェントの開発を始めた。まず,回帰ネットワークを訓練して経路積分を行わせたところ,グリッド細胞や他の種類の嗅内皮質細胞に似た表現が出現した。次に我々は,この表現が,難易度が高くて馴染みのない可変的な環境の中で目的地を見つけ出すための有効な基盤をエージェントに提供し,深層強化学習を通じてナビゲーションの主要な目的を最適化したことを示す。グリッド様表現を備えたエージェントの性能は,ネットワーク内のグリッド様単位から導出されたベクトルベースのナビゲーションに必要な測定量を備えていることにより,熟達した人間や比較用エージェントよりも優れていた。さらに,グリッド様表現は,エージェントが,哺乳類が行うのに似た近道探索行動をとることをも可能にした。発生するグリッド様表現はユークリッド空間座標と関連するベクトル演算機能をエージェントに付与し,熟達したナビゲーションの基盤を提供する。従って,我々の結果はグリッド細胞がベクトルベースのナビゲーションに重要だとする神経科学理論を裏付けており,ベクトルベースのナビゲーションを経路ベースの戦略と組み合わせることで,困難な環境内でのナビゲーションを助けられることを実証している。Copyright Nature Japan KK 2018

シソーラス用語： *エージェント ,  探索行動 ,  ゲーム ,  神経科学 ,  哺乳類 ,  Euclid空間 ,  ネットワーク ,  符号化 ,  *ベクトル ,  経路積分 ,  最適化 ,  強化学習
準シソーラス用語： グリッド細胞 ,  嗅内皮質 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 中枢神経系  (EJ12030F)

タイトルに関連する用語 (6件)： 人工 ,  エージェント ,  グリッド ,  表現 ,  ベクトル ,  ナビゲーション