[論文レビュー] Gliders2012: Development and Competition Results

Edward L. F. Moore, Oliver Obst+3 more|arXiv (Cornell University)|Nov 16, 2012

Scientific Computing and Data Management参考文献 11被引用数 4

ひとこと要約

本論文では、2012年ロボカップ2Dシミュレーションリーグで4位となったGliders2012を紹介する。同チームは、戦術的意思決定を向上させるために、行動に依存する評価関数を導入した。この手法により、とられる行動に応じて望ましい将来状態を動的に調整でき、単なるゴールへの距離を越えた洗練された戦術を可能にした。また、コミュニティ利用を目的とした新規のウェブベースのログビューアーも開発した。

ABSTRACT

The RoboCup 2D Simulation League incorporates several challenging features, setting a benchmark for Artificial Intelligence (AI). In this paper we describe some of the ideas and tools around the development of our team, Gliders2012. In our description, we focus on the evaluation function as one of our central mechanisms for action selection. We also point to a new framework for watching log files in a web browser that we release for use and further development by the RoboCup community. Finally, we also summarize results of the group and final matches we played during RoboCup 2012, with Gliders2012 finishing 4th out of 19 teams.

研究の動機と目的

• ロボカップ2Dシミュレーションリーグにおける戦術的意思決定を、単なるゴール指向行動を越えて高度化すること。
• 標準のエージェント2D評価関数の限界を是正すること。この関数は、相手ゴールへの距離のみを考慮している。
• 評価関数が考慮している行動に応じて適応可能となるメカニズムを構築し、より洗練された戦術的計画を可能にすること。
• 新規のウェブベースのログファイルビューアーを公開することで、コミュニティの開発を支援すること。
• 行動に依存する評価関数が、18チームの他チームと競合する本番の大会環境で実際にどの程度効果を発揮するかを実証すること。

提案手法

• 行動に依存する評価関数を提案。ゴール状態を1つに限定するのではなく、とられる行動に応じて複数の望ましい将来状態を定義する。
• チェスの評価指標（移動可能性、フィールド制御、誘導性）を距離に基づく特徴量を用いてロボカップ環境に適応させる。
• 行動 a に対して r(a) = D(result(a), S) という距離指標を用いて評価。ここで S は行動タイプに応じて動的に選択された望ましい状態である。
• シミュレーションログファイルを、ウェブブラウザでアクセス可能なコンactなテキスト表現に変換するフレームワークを導入。
• シミュレーションには agent2d のベースコードと librcsc、soccerwindow2 を使用。フォーメーション設計には fedit2 を採用。
• ボールコントロールやチーム連携といった戦術的関連性も考慮し、ゴールへの距離だけでなく、行動の順位付けを行う階層的意思決定プロセスを実装。

実験結果

リサーチクエスチョン

• RQ1 ロボカップ2Dシミュレーションにおける評価関数は、どのようにして単なるゴールへの距離を越えた洗練された戦術的プレーを可能にするか？
• RQ2 行動に依存する評価関数は、マルチエージェントで構成される競合の激しいリアルタイムサッカー・シミュレーション環境で、どの程度性能を向上させ得るか？
• RQ3 チェスの評価関数（例：移動可能性、制御、発展）の類似性は、リアルタイムで部分観測可能なマルチエージェント環境に意味的に適応可能か？
• RQ4 ウェブベースのログビューアーは、ロボカップシミュレーション研究におけるデバッグ、分析、コミュニティ連携をどの程度効果的に支援できるか？
• RQ5 とられる行動に応じて望ましい将来状態を動的に調整することで、どの程度の性能向上が達成可能か？

主な発見

• Gliders2012は、2012年のロボカップで19チーム中4位を達成し、提案された評価メカニズムの有効性を示した。
• 予選ラウンドでは、1試合のドローを除き全勝し、10ポイントでグループCで1位となった。
• ラウンド1では、12ポイント（3勝3分け2敗）を獲得し、グループEで3位となった。
• ラウンド2では、3勝2敗で9ポイントを獲得し、グループGで4位（2位・3位チームと同点）となった。
• ラウンド3では、2勝1敗でグループIで2位となり、準々決勝進出を決めた。
• 準々決勝では、WrightEagleに2試合とも0対2で敗れ、3位決定戦ではMarIikに0対1で敗れ、総合4位となった。