粒子フィルタを用いた強化学習による無人帆走の検討

抄録

風のみを動力源とする帆船の航行は、部分的にのみ観測可能で非定常な環境において意志決定する強化学習問題である。それ故、各状態の価値は確率的であり価値の分布が継時的に変化する。また、見かけの風（絶対風と進行風の和）、目的点の位置、帆の向きなど状態と行動を規定する変数はいずれも連続であり、変数のいくつかはベクトルである。本稿では、粒子フィルタを用いた強化学習によって、人間のセイラーが経験を通して獲得する「風を読み動力へ変える」能力をシミュレーション上で再現することを目指す。