| 講演抄録/キーワード |
| 講演名 |
2026-02-19 16:30
マルチエージェント反事実予測におけるDomain-adaptive Physics-informed Modelingの効果分析:Boid・CARLA・NBAによる体系的評価 ○太刀岡勇気(デンソーアイティーラボラトリ) AI2025-21 |
| 抄録 |
(和) |
マルチエージェント環境における反事実予測では,表現バランシングやGNNなど学習構造の工夫が多数提案されてきた一方で,ドメイン固有の力学・行動・戦術ルールをモデルに組み込むことの寄与は十分に切り分けて検証されていない.本稿では,Neural Networkによるデータ駆動型予測を,ドメイン知識に基づく決定論的な補正により制約・投影する枠組みを Domain-adaptive Physics-informed Modeling (DAPIM)として整理し,RNN,DSW,V-CRN を含む複数のベースモデルに対して同一の理論補正を適用することで,各構成要素の寄与を公平な条件で比較した.Boid,CARLA,NBA の3ドメインにおいて,理論導入,表現バランシング,共変量予測との multi-task 学習,GNNの有無を体系的にアブレーション評価した結果,学習構造要素の追加効果は限定的であり,反事実軌跡の安定性と精度には DAPIM によるドメイン整合な理論制約が支配的に寄与することが確認された.特に Boid・CARLA では物理・行動制約の導入により反事実軌跡誤差が大幅に低減し,NBA では戦術的相互作用を含む拡張理論(TT)が outcome 予測を追加的に改善した.以上より,反事実予測ではモデル複雑性の増加よりも,ドメイン理論(特に物理的制約)を適切に設計・導入することが重要であることを示す. |
| (英) |
(Not available yet) |
| キーワード |
(和) |
マルチエージェント反事実予測 / Domain-adaptive Physics-informed Modeling(DAPIM) / 表現バランシング / ドメイン知識統合 / 因果効果推定 / / / |
| (英) |
/ / / / / / / |
| 文献情報 |
信学技報, vol. 125, no. 363, AI2025-21, pp. 48-53, 2026年2月. |
| 資料番号 |
AI2025-21 |
| 発行日 |
2026-02-12 (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 |
AI2025-21 |