A Reinforcement Learning Method with the Inference of the Other Agent's Policy for 2-Player Stochastic Games

摘要

本論文では，2体エージェント確率ゲームにおける新たな強化学習法を提案する．提案する手法では，他エージェントが実際に実行した行動の観測情報をもとに他エージェントの政策（行動決定関数）を推定し，その推定した政策を利用して他エージェントが未来に実行する行動を予測する．そして，その予測行動を利用しながら強化学習を進行する．提案した手法を2体エージェント確率ゲームの枠組みでモデル化した追跡問題に適用し，実験を行い，提案手法の有効性を示す．