抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文は,学習アルゴリズムと同様に意図的なマルチエージェント計画フレームワークを提案した。このフレームワークの下で,期待される効用を最大化するために,目標空間におけるエージェント計画がある。計画プロセスは,他のエージェントの意図を考慮に入れる。部分的に観測可能なMarkov決定過程(POMDP)として学習問題を定式化する代わりに,効用関数の簡単ではあるが有効な線形関数近似を提案した。それは,人間にとって,他の人々の意図が,目標に対する著者らの効用に及ぼす影響をもたらすであろうという観察に基づいている。提案したフレームワークは,いくつかの主要な利点を持っている。I)計算的に実行可能で,収束することが保証される。II)既存の意図予測と低レベル計画アルゴリズムを容易に統合できる。III)行動空間におけるスパースフィードバックを被らない。非エピソード的な現実世界の問題においてこのアルゴリズムを実験し,エージェントと目標の数は時間とともに変化することができる。著者らのアルゴリズムは,空中ロボットと人間が相互作用するシーンで訓練され,異なる環境を持つ新しいシーンでテストされる。実験結果は,著者らのアルゴリズムが動的プロセスの間に現れる最良の性能と人間のような挙動を達成することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】