研究紹介

ゲームAIの思考方法や学習方法は，ゲームの性質たとえば完全情報/不完全情報，人数(1,2,3以上)，報酬(ゼロ和/その他)などで，適する手法や難しさが大きく変わります．適した性質を持つゲームを題材とすることで，様々な則面から手法を評価することができます． 二人ゼロ和完全情報ゲームについては，囲碁や将棋のページもご覧ください．

Catan

JSettlers bot x 3 との4人ゲームで， 勝率50%超 を達成しています．

ゲームにおける強化学習を研究しています． 対象ゲームに関する人の知識や棋譜などを使わずに，ゲームのルール，あるいはシミュレータを通しての経験だけから学ぶことに挑戦があります．AlphaZeroも強化学習の応用と位置づけられます．

コンピュータ囲碁の研究を行っています

コンピュータ将棋の研究を行っています。

学習

• Demura, Y. and Kaneko, T. “Initial state diversification for efficient alphazero-style training,” ICGA Journal, 46(2) pp. 40-66. 2024, doi: 10.3233/ICG-240255.
  • 将棋81万 (shogi816k): 約81万通りの初期局面集で，将棋の強化学習を加速します

HFO (Half Field Offense) での強化学習

Half field offense RoboCup 2D Soccer (HFO) は RoboCup のシミュレーション環境の課題の一つで，強化学習の課題の一つです． 行動空間の階層性を適切に扱うため(turn 30 のようにパラメータ付き行動を扱うため)，HA-PPOを提案しました．1:1での得点成功率約71%と強化学習手法では過去最高の成績を実現しました．

並列・分散探索

多数の計算機で協調して、効率よく探索する方法を研究しています。