抄録
本研究室では、複雑なタスクをサブタスクに分割し、それぞれの行動決定ファジィ
ルールを作成し、上位の行動選択ファジィルールで統合する階層型ファジィ行動制御を基に、上位の行動選択部の状態分割に連続値を扱うことのできるファジィ状態分割型強化学習を提案している。これとは別に、Shaping の概念と実際の動物などの調教の場で用いられる段階を追って行動を強化する「分化強化」という概念を取り入れた分化強化型Shaping Q-Learning も提案している。
そこで本研究ではファジィ状態分割型強化学習にShaping の概念を取り入れ、Shaping報酬を与える際に生じる調教者への負担を減少させるためのShaping を自動化するシステムを組み込んだ手法を提案する。さらにサッカーロボットの行動獲得を目的とし、ファジィルールを用いることによって攻撃行動と守備行動の重み付け行い、状況に合わせた戦略を学習させる手法も提案する。
