ゲーティングユニットを持つモジュラーファジィモデルに基づく強化学習

抄録

強化学習は自律移動ロボットのインテリジェント化のために不可欠の技術であると考えられる．しかし，実際のサイズの問題に適用する際には，よく知られた「次元の呪い」により状態表現のためのメモリ消費量が莫大となるだけでなく，学習速度が著しく低下するという問題がある．またロボットのタスクは学習性能の改善のため自動的にタスク分割されることが望ましい．本研究では，これらの問題を解決するため，ゲーティングユニットを持つモジュラーファジィモデルを提案し，階層型アーキテクチャと組み合わせることにより，強化学習モデルを構成する．マルチエージェント問題の追跡問題に本手法を適用し，シミュレーションによりその有効性を議論する．