強化学習

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．

Domains

• HFO
• Rogue, Catan, StarCraft II

Exploration

DEIR

AlphaZero

• Nakayashiki, T. and Kaneko, T. “Maximum entropy reinforcement learning in two-player perfect information games,” IEEE SSCI, pp. 1-8. 2021 doi 10.1109/SSCI50451.2021.9659991

Option/skill

• Kanagawa, Y. and T. Kaneko “Diverse Exploration via InfoMax Options,” Arxiv, Vol. 2010.02756, pp. 1–21 (2020), https://arxiv.org/abs/2010.02756.

Maximum entropy reinforcement learning

• 合田 拓矢・金子 知適 「離散行動空間における Soft Actor-Critic の評価」，第 25 回ゲームプログ ラミングワークショップ，175–180 (2020).

Atari

• Zhu, H. and T. Kaneko “Residual Network for Deep Reinforcement Learning with Attention Mechanism,” J. Inf. Sci. Eng., Vol. 37, No. 3, pp. 517–533 (2021), DOI: 10.6688/JISE.20210537(3) .0002.
• Hyunwoo, O. and T. Kaneko “Deep Recurrent Q-Network with Truncated History,” in IEEE Technologies and Applications of Artificial Intelligence, pp. 34–39 (2018), DOI: 10.1109/TAAI.2018. 00017.