予想失敗確率を組み込hだ行動選択戦略の提案とマルチエージェント環境下での有効性の検証

摘要

近い将来，ロボットがますます人間の生活環境に進出してくることが予想される.しかし，人間の生活環境は，不確実性，協調行動，実時間制御などの環境が激しく変化することから,設計者がすべての状況を想定した設計をすることは非常に困難である.そのため，ロボットが自ら知覚した情報と経験した行動を元に，自身で環境に適応する能力を持つことが必要となってくる.このような，不確実性を持った環境にロボットが適応するための手法として，強化学習がある.強化学習は，報酬という試行に対する評価値を手掛かリとして，試行錯誤を行い,環境に適応する機械学習の一種である.強化学習では，目的を達成するための試行錯誤を行うことから，設計者の予想を超えた解を発見する可能性がある.また，穏やかな環境の変化には追従が可能である.