文献

J-GLOBAL ID：201802259721766049   整理番号：18A1773269

意図を意識したマルチエージェント強化学習【JST・京大機械翻訳】

Intent-Aware Multi-Agent Reinforcement Learning

著者 (2件)： Qi Siyuan (University of California, Los Angeles) ,  Zhu Song-Chun (University of California, Los Angeles)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICRA  ページ： 7533-7540  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： アルゴリズム ,  相互作用 ,  *学習 ,  予測 ,  ロボット ,  関数近似 ,  フィードバック ,  効用関数 ,  定式化 ,  *エージェント ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： エピソード ,  Markov決定過程 ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 意図 ,  意識 ,  マルチエージェント ,  強化学習