| 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 | 2021-02-22 14:40 深層強化学習におけるカリキュラム学習の適用に関する一考察 ～ シューティングゲームAIを例に ～ ○小高郁実・齊藤史哲（千葉工大）  AI2020-47 |
|
| 抄録 | （和） | 近年，深層強化学習は従来の強化学習と比較して，より高次元の環境に適用することが可能となり注目を集めている．しかし，特に高次元かつ報酬が疎なタスクにおいては行動獲得において試行数が増加することが課題となる．そこで本研究では学習速度の向上を目的とし，タスクの難易度を段階的に変更することで学習性能を向上させるカリキュラム学習をシューティングゲームAIの行動獲得において適用し，実験を行なった．カリキュラム学習の適用の有無における学習性能の比較を行い，実験的な評価を通じてシューティングゲームAIの行動獲得の高速化を確認した．また，その他のタスクへの発展やカリキュラム自動生成のアルゴリズムについての検討，考察を行なった． |
| （英） | Deep reinforcement learning is attracting attention because it can be applied to higher-dimensional environments compared to conventional reinforcement learning. However, an important issue is to increase the number of trials required for action acquisition, particularly in high-dimensional and sparsely rewarded tasks. Therefore, in this study, we applied curriculum learning, which improves learning performance by gradually changing the difficulty level of tasks, in the action acquisition in a shooting game AI. Through experimental evaluation, we verified the speeding up of action acquisition and considered the transition of difficulty and its efficiency. | |
| キーワード | （和） | 深層強化学習 / カリキュラム学習 / Deep Q-Network / ゲームAI / / / / |
| （英） | Deep Reinforcement Learning / Curriculum Learning / Deep Q-Network / Game AI / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 379, AI2020-47, pp. 47-52, 2021年2月. | |
| 資料番号 | AI2020-47 | |
| 発行日 | 2021-02-15 (AI) | |
| ISSN | 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 | AI2020-47 |
|
| 研究会情報 | |
| 研究会 | AI |
| 開催期間 | 2021-02-22 - 2021-02-22 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 「Web/IoTインテリジェンス」および一般 |
| テーマ（英） | Web/IoT Intelligence, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | AI |
| 会議コード | 2021-02-AI |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層強化学習におけるカリキュラム学習の適用に関する一考察 |
| サブタイトル（和） | シューティングゲームAIを例に |
| タイトル（英） | A Study on the Application of Curriculum Learning in Deep Reinforcement Learning |
| サブタイトル（英） | action acquisition in shooting game AI as an example |
| キーワード(1)（和/英） | 深層強化学習 / Deep Reinforcement Learning |
| キーワード(2)（和/英） | カリキュラム学習 / Curriculum Learning |
| キーワード(3)（和/英） | Deep Q-Network / Deep Q-Network |
| キーワード(4)（和/英） | ゲームAI / Game AI |
| キーワード(5)（和/英） | / |
| 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） | 小高 郁実 / Ikumi Kodaka / コダカ イクミ |
| 第1著者 所属（和/英） | 千葉工業大学大学院 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 第2著者 氏名（和/英/ヨミ） | 齊藤 史哲 / Fumiaki Saito / サイトウ フミアキ |
| 第2著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-02-22 14:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | AI |
| 資料番号 | AI2020-47 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.379 |
| ページ範囲 | pp.47-52 |
| ページ数 | 6 |
| 発行日 | 2021-02-15 (AI) |
[研究会発表申込システムのトップページに戻る]