[3I5-OS-27b] AIを活用した都市と自然環境の空間・系列データのモデリング

[3I5-OS-27b-04] 頑健かつ解釈可能性の高いナビゲーションのための深層強化学習と追跡行動モデルの階層的統合

〇筒井 和詩¹、武田 一哉¹、藤井 慶輔^1,2 (1. 名古屋大学、2. 理化学研究所)

キーワード：マルチエージェント、強化学習、協力

理論モデルを機械学習モデルに統合することは、効率的で頑健なモデルを構築するための大きな可能性を秘めている。本研究では、生物学分野でしばしば用いられる追跡行動モデルと深層強化学習を階層的に統合したハイブリッドアーキテクチャを提案する。この統合により、エージェントのモード切り替えとルールベースの行動選択をシームレスに行うことが可能となり、捕食者と被食者の相互作用的な環境において、捕食者エージェントが効率的なナビゲーションを実現できることが明らかになった。本アーキテクチャは既存のハイブリッドモデルやグレーボックスモデルとの統合も可能であるため、これらと組み合わせることによってさらに効率的なナビゲーションの実現が期待できる。