サンプリング実時間Q-MDP法－不完全な観測に基づき実時間行動する自律サッカーロボットへの適用

摘要

本稿では，実時間Q-MDP法をさらに改良したサンプリング実時間Q-MDP法を提案し，ゴールキーパーロボットに適用することで実時間実行可能なことを示す．より早く行動決定するために，提案手法では有意水準の考え方に基づき，より小さい時間計算量で行動を選択する仕組みを考案する．さらに，自律サッカーロボットの開発という観点から，文献では考慮されていなかったボールの速度を状態変数に加え，より実時間性を考慮した問題設定で評価を行う．