概要

AlphaGoで注目を集めてから，近年では自動運転やロボット制御など，強化学習は様々な場面で活躍しています．その強化学習の一分野としてマルチエージェント化が昨今では議論されていますが，マルチエージェント強化学習では，シングルエージェントの場合と比較して，幾分か最適化が複雑になっています．より具体的には，エージェントが1体のみの場合は，各エージェントが環境との相互作用の中で将来的に得られる報酬を単純に最大化すれば十分ですが，マルチエージェントの場合，互いの相互作用や社会的ジレンマのようなゲーム的状況の発生を考慮しなければなりません．そこで今回は，強化学習の基礎の部分からマルチエージェント強化学習へのアプローチまでを，人間社会で考察されているゲーム理論と絡めながら，分かりやすく包括的に解説しています．

目的

  • 強化学習の基礎となる考え方について学ぶ．
  • ゲーム理論における課題を理解し，マルチエージェント環境においての課題達成可能性について議論する．
  • マルチエージェント強化学習の概要を掴む．

発表日時

場所:  オンライン (Zoom)
日時: 2020年5月17日 13時 - 15時

参考資料

[1] 森村哲郎. 機械学習プロフェッショナルシリーズ 強化学習. 講談社, 2019.
[2] A. Oroojlooyjadid and D. Hajinezhad. A Review of Cooperative Multi-Agent Deep Reinforcement Learning. 2019. [arXiv]