| 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 | 2026-07-10 10:30 マルチエージェント強化学習におけるエージェント間の相互作用による探索の促進 ○前田凌瑛・加納剛史・香取勇一（公立はこだて未来大）  NLP2026-36 |
|
| 抄録 | （和） | マルチエージェント強化学習では，探索可能な状態や学習過程が他エージェントの方策に依存するため，効率的な探索が困難となる場合がある．本研究では，実験環境として単純化した格闘ゲームを開発し，エコーステートネットワークを用いた関数近似に基づく強化学習モデルを構築して学習実験を行った．さらに，環境に関する知識を獲得する学習過程に着目し，ランダムエージェントを対戦相手とする学習，相互学習，および定期的に役割を入れ替える役割入れ替え相互学習の3手法を比較した．その結果，特にルールベースエージェントに対する評価において，役割入れ替え相互学習は対ランダム学習よりも高い性能を示し，エージェント間の相互作用が環境や戦略に関する知識の獲得を促進する可能性が示唆された．一方で，試行間の結果のばらつきは大きく，学習効果の再現性には課題が残った． |
| （英） | In multi-agent reinforcement learning, exploration of the state space and the learning process can depend on the policies of other agents, which can make efficient exploration difficult. This study developed a simplified fighting game environment and constructed a reinforcement learning model based on echo state network based function approximation, followed by learning experiments. Focusing on the acquisition of environmental knowledge during learning, three training settings were compared: learning against a random opponent, mutual learning, and role-swapping mutual learning, in which agent roles are periodically exchanged. Results show that role-swapping mutual learning achieved higher performance than learning against random opponents, particularly in evaluations against rule-based agents, suggesting that interaction among agents may facilitate the acquisition of environmental and strategic knowledge. However, large variance across trials was observed, indicating that challenges remain in the reproducibility of the learning effects. | |
| キーワード | （和） | 強化学習 / マルチエージェント / エコーステートネットワーク / / / / / |
| （英） | Reinforcement Learning / Multi-agent / Echo State Network / / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 94, NLP2026-36, pp. 51-56, 2026年7月. | |
| 資料番号 | NLP2026-36 | |
| 発行日 | 2026-07-02 (NLP) | |
| 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 | NLP2026-36 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2026-07-09 - 2026-07-10 |
| 開催地（和） | トキ交流会館(佐渡) |
| 開催地（英） | Toki Koryu Kaikan (Sado) |
| テーマ（和） | NLP， 一般 |
| テーマ（英） | Nonlinear problems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2026-07-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチエージェント強化学習におけるエージェント間の相互作用による探索の促進 |
| サブタイトル（和） | |
| タイトル（英） | Enhancing Exploration through Inter-Agent Interactions in Multi-Agent Reinforcement Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(2)（和/英） | マルチエージェント / Multi-agent |
| キーワード(3)（和/英） | エコーステートネットワーク / Echo State Network |
| キーワード(4)（和/英） | / |
| 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） | 前田 凌瑛 / Ryoei Maeda / マエダ リョウエイ |
| 第1著者 所属（和/英） | 公立はこだて未来大学 (略称： 公立はこだて未来大) Future university Hakodate (略称： FUN) |
| 第2著者 氏名（和/英/ヨミ） | 加納 剛史 / Takeshi Kano / カノウ タケシ |
| 第2著者 所属（和/英） | 公立はこだて未来大学 (略称： 公立はこだて未来大) Future university Hakodate (略称： FUN) |
| 第3著者 氏名（和/英/ヨミ） | 香取 勇一 / Yuichi Katori / カトリ ユウイチ |
| 第3著者 所属（和/英） | 公立はこだて未来大学 (略称： 公立はこだて未来大) Future university Hakodate (略称： FUN) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-07-10 10:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2026-36 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.94 |
| ページ範囲 | pp.51-56 |
| ページ数 | 6 |
| 発行日 | 2026-07-02 (NLP) |
[研究会発表申込システムのトップページに戻る]