研究方法

<<< Topに戻る

学習環境の詳細

こちらは、ポスターでも紹介した、今回の学習環境の詳細です。

また、エージェントの観察と行動は以下のように行われます。

各オブジェクトの仕様

オブジェクト名	仕様
Field	AgentやExit、Obstacleが生成される。広さは縦20マス、横30マス。
Agent	フィールドの白いマス(Empty)にランダムな位置で10体生成される。移動は5フレームごとに行われ、複数のエージェントが同じマスに移動することも可能。移動するごとに-0.001の罰が与えられる。
Obstacle	位置は固定。Agentはこのマスに移動することはできない。
Exit	位置は固定。Agentがこのマスに移動すると、そのAgentは避難完了となる。全てのAgentが避難完了すると1.0 の報酬が与えられ、次のエピソードが開始する。

研究方法の説明は以上です。