| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-01-25 16:25 コントラクトブリッジにおけるエージェント間コミュニケーション戦略の強化学習 ○山口陽太郎・小山田創哲・中江 健・石井 信（京大）  NLP2019-111 |
|
| 抄録 | （和） | コントラクトブリッジ（ブリッジ）は4人のプレイヤが2人ずつ2つのチームに分かれて行う不完全情報のカードゲームであり，仲間同士が協力しながら戦う必要がある． ブリッジはビディングとプレイングの2つのパートから構成され，その中でもビディングでは仲間同士で自分のカードの情報を限られたコミュニケーションにより伝えることで適切なコントラクトとする必要があり，機械学習における難しいタスクの1つである． 本研究では，コントラクトブリッジのビディングシステムを深層強化学習を用いて構築した． 構築したビディングシステムは，フリーランの状況でゲームビッドができることが確認された． |
| （英） | Contract bridge (bridge) is a card game in which four players are divided into two teams and cooperate with a partner to play under imperfect information. There are a bidding phase and a playing phase in the bridge. In the bidding phase, it is difficult to find the optimal solution because it requires cooperative decision makings under partial observations. In this study, we construct a bidding system of contract bridge with deep reinforcement learning. We observed our bidding system is able to take game bids in free-run situations. |
|
| キーワード | （和） | コントラクトブリッジ / 強化学習 / 深層学習 / ゲームAI / 不完全情報ゲーム / / / |
| （英） | contract bridge / reinforcement learning / deep learning / game AI / imperfect information game / / / | |
| 文献情報 | 信学技報, vol. 119, no. 381, NLP2019-111, pp. 131-134, 2020年1月. | |
| 資料番号 | NLP2019-111 | |
| 発行日 | 2020-01-16 (NLP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLP2019-111 |
|
| 研究会情報 | |
| 研究会 | NLP NC |
| 開催期間 | 2020-01-23 - 2020-01-25 |
| 開催地（和） | 宮古島マリンターミナル |
| 開催地（英） | Miyakojima Marine Terminal |
| テーマ（和） | NC, NLP, 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2020-01-NLP-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | コントラクトブリッジにおけるエージェント間コミュニケーション戦略の強化学習 |
| サブタイトル（和） | |
| タイトル（英） | Reinforcement learning of communication strategy between players of the game of Contract Bridge |
| サブタイトル（英） | |
| キーワード(1)（和/英） | コントラクトブリッジ / contract bridge |
| キーワード(2)（和/英） | 強化学習 / reinforcement learning |
| キーワード(3)（和/英） | 深層学習 / deep learning |
| キーワード(4)（和/英） | ゲームAI / game AI |
| キーワード(5)（和/英） | 不完全情報ゲーム / imperfect information game |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 山口 陽太郎 / Yotaro Yamaguchi / ヤマグチ ヨウタロウ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 小山田 創哲 / Sotetsu Koyamada / コヤマダ ソウテツ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 中江 健 / Ken Nakae / ナカエ ケン |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 石井 信 / Shin Ishii / イシイ シン |
| 第4著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-01-25 16:25:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2019-111 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.381 |
| ページ範囲 | pp.131-134 |
| ページ数 | 4 |
| 発行日 | 2020-01-16 (NLP) |
[研究会発表申込システムのトップページに戻る]