好奇心に基づく活性伝搬型マルチエージェントプランニングの提案

抄録

近年，ニューラルネットワークを用いた手法により特化型人工知能の普及は進んでいるが，思考過程のブラックボックス化や解決機構が特定のタスクに限定されるといった問題がある．一方，汎用型人工知能の実現に求められる思考過程の可読性と，プランニングの即応性と熟考性の両方を兼ね備えたプランニング手法としてAgent Network Architecture (ANA) が存在する．しかし，ANAのネットワークの結合関係は従来手動で設計されてきた．本論文では，行動前後の環境情報の差分をもとにANAのネットワークの結合関係を自動で生成する手法を提案する．また，ネットワークの結合の生成過程で，“好奇心“として未学習の行動を行うことにインセンティブを与える．これにより，仮想環境での実験で，本提案手法が無作為に行動を行う方式や，現在の環境の情報から行動可能な未学習の行動を優先的に行う方式に比べて，効率よくネットワークの結合関係を生成できることを示す．さらに，現実のロボットを用いた実験により，エラーが発生する行動の実行を回避する機構を取り入れることで，本提案方式が現実の環境においても有用であることを示す．