カーレースゲームはIEEE CEC 2007 Car racing Competitionで行われたコンピュータプログラム同士の対戦ゲームで、２台のカーエージェントが二次元平面上に配置された目標を通過し、その得点を競うものである。私達はファジィQ学習を用いて、カーエージェントが行動に関して知識のない状態から有効な行動を段階的に学習する方法を提案した。 今までの研究では、目標が前方向のみ出現する盤面、横方向のみ出現する盤面、後方向のみ出現する盤面、狭い範囲でランダムに出現する盤面の４つの盤面を導入して実験を行い、通常の学習よりも良い結果を得た。しかし、どの盤面が結果にどのように影響を与えているかわかっていなかった。 今回の研究は、高得点を得るために、これまでの研究成果を元に改良した盤面とその組み合わせを実験し、得点と盤面の関係を調べた。その結果、「目標を通過したらすぐに曲がる」「曲がるとき急ブレーキをかける」行動を学習する盤面を組み合わせたとき、得点が良いことが分かった。私達はそれらの行動を重点的に学習できる盤面を作り、今までで最も良い結果を得た。
