| 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 | 2026-09-15 13:40 マルチエージェント経路計画におけるMoEポリシーの検討 ○鈴木史麿・奥村圭佑（産総研）  AI2026-11 |
|
| 抄録 | （和） | マルチエージェント経路計画に対する模倣学習によるアプローチでは，教師データの地図分布が性能に大きく影響し，分布ごとに特化したエキスパートは汎用方策を上回る性能を示すことができる． そこで本研究では，複数の地図分布に個別適応させたエキスパートを構築し，Mixture-of-Experts（MoE）の枠組みに基づいて，ゲート関数が推定した重みによりそれらを混合することで，各分布に対する特化性能を状況に応じて活用する手法を検討する． 評価の結果，重み付き混合は複数の地図分布にわたって汎用方策を上回る性能を示すことを確認した． |
| （英） | In imitation learning approaches to multi-agent pathfinding, performance is strongly influenced by the map distribution of the expert data, and policies specialized for individual distributions can outperform a general policy. Therefore, we construct specialized policies adapted separately to multiple map distributions and investigate a Mixture-of-Experts (MoE) approach that mixes them using weights estimated by a gating function, thereby leveraging their distribution-specific capabilities according to the situation. Experimental results confirm that the weighted mixture outperforms the general policy across multiple map distributions. | |
| キーワード | （和） | マルチエージェント経路計画 / 模倣学習 / Mixture of Experts / / / / / |
| （英） | multi-agent pathfinding / imitation learning / mixture of experts / / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 177, AI2026-11, pp. 69-73, 2026年9月. | |
| 資料番号 | AI2026-11 | |
| 発行日 | 2026-09-08 (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 | AI2026-11 |
|
| 研究会情報 | |
| 研究会 | AI |
| 開催期間 | 2026-09-14 - 2026-09-15 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | SMASH26 Summer Symposium |
| テーマ（英） | SMASH26 Summer Symposium |
| 講演論文情報の詳細 | |
| 申込み研究会 | AI |
| 会議コード | 2026-09-AI |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチエージェント経路計画におけるMoEポリシーの検討 |
| サブタイトル（和） | |
| タイトル（英） | Early Results with Mixture of Experts for Multi-Agent Pathfinding |
| サブタイトル（英） | |
| キーワード(1)（和/英） | マルチエージェント経路計画 / multi-agent pathfinding |
| キーワード(2)（和/英） | 模倣学習 / imitation learning |
| キーワード(3)（和/英） | Mixture of Experts / mixture of experts |
| 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） | 鈴木 史麿 / Fumimaro Suzuki / スズキ フミマロ |
| 第1著者 所属（和/英） | 国立研究開発法人 産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 第2著者 氏名（和/英/ヨミ） | 奥村 圭佑 / Keisuke Okumura / オクムラ ケイスケ |
| 第2著者 所属（和/英） | 国立研究開発法人 産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-09-15 13:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | AI |
| 資料番号 | AI2026-11 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.177 |
| ページ範囲 | pp.69-73 |
| ページ数 | 5 |
| 発行日 | 2026-09-08 (AI) |
[研究会発表申込システムのトップページに戻る] (日本語ページの行間係数: 1)