深層強化学習による落ち物ゲームAI

カテゴリ: 部門大会

論文No: GS7-4

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Falling-Object Game AI using Deep Reinforcement Learning

著者名: 中間 公啓（千葉大学）,池田 直矢（千葉大学）,小圷 成一（千葉大学）

著者名(英語): Kimihiro Nakama (Chiba University),Naoya Ikeda (Chiba University),Seiichi Koakutsu (Chiba University)

キーワード: 強化学習|深層強化学習|ゲームAIゲームAI|Reinforcement Learning|Deep Reinforcement Learning|Game AI

要約(日本語): 近年，各種ビデオゲームの競技化が進み，e-Sports化している。国民的なパズルゲームであるぷよぷよもその一例である。一方で，強化学習をゲームに応用するゲームAIの開発も進められている。強化学習は教師あり学習とは異なり，環境で行動して報酬を得ることで学習を行うものである。その学習方法から明確な答えがなくとも学習を行えるため，ゲームAIの実現方法として選択肢に上がる。近年では強化学習にニューラルネットワークを導入した深層強化学習を利用した，囲碁AI のAlphaGo Zeroが世界チャンピオンに勝利している。一方，ぷよぷよは複雑な状態空間を持つのに加えてリアルタイム型対戦ゲームでもあることから，深層強化学習を用いたAIの研究は進んでいない。本研究では行動空間の再定義とOne-hotベクトルによる多チャネル化をし，DQNやA3Cを用いた深層強化学習をぷよぷよに応用することでより優れたゲームAIの作成を目指す。

PDFファイルサイズ: 362 Kバイト