チー 対 誤差 小 く , .
積極的 守備を行うチー ,誤差 大 く 傾向 .
RoboCup サッカー ー ョン け
SIRMs を用いた敵位置予測
大阪府立大学 工学研究科 山 雄大 舩 哲 中島 智晴
福岡大学 工学部 電子情報工学科 秋山 英久
提案手法
SIRMs ファ
意思決定 例
図 う プランを作成
10 7 パ を実行
敵 移動 予測 い い
敵 静 た 想定
↓
実際 位置 意思決定時点
想定位置 差異 発生
( 薄い赤 想定位置
濃い赤 実際 位置 )
SIRMs ファ
単一入力 ー 群 (Single Input Rule Module) 結合型ファ
従来 ファ 比 ,ファ ー 数 パラ ータ数を大幅
削減 可能 あ .
SIRMs ファ 概要
各入力項目 対 1 入力 ファ ー 群を構成
各 ー 群 重視度を割 当
ー 群 重視度 総和を出力
Sum y
x
2w
2w
1w
nx
nIf … then …
x
1If … then …
If … then …
SIRMs ファ 概要図
数値実験 1
HELIOS2012 提案手法を組み込み,敵プ 位置を学習
予測 た敵プ 位置 実際 敵プ 位置 距離を誤
差 定義
ニ ーラ ネッ ワー 学習結果を比較対象
位置予測 必要性
各プ 独自 意思決定を
多く 可能性 中 最適 プランを探索
SIRMs ファ を用いた位置予測
フ ー 情報 敵位置を予測
試合中 敵プ 位置 学習
予測 概要
5 入力 2 出力 SIRMs ファ
敵プ 作成
試合前半 観測 ータ コーチ 学習,後半 学習結果を反映
現在
ボー 位置
最 近い敵
ボー 到達
サ 数
SIRMs
ファ 敵プ
予想位置
入力 ータ
出力 ータ
ボー
到達予想位置
数値実験 び結果
対戦相手 SIRMs ニ ーラ ネッ ワー
agent2d 7.80±6.56 10.53±7.89
WrightEagle 9.89±7.34 11.88±8.04
MarliK 9.92±7.26 11.07±9.01
Ri-one 8.80±6.51 11.26±6.84
Oxsy 9.63±6.21 13.62±9.21
YuShan 9.90±7.08 13.57±9.30
NADCO-2D 8.23±5.58 10.85±8.00
SIRMs ニ ーラ ネッ ワー 性能比較 ( 予測位置 誤差 (m ))
学習用
対戦回数
agent2d MarliK WrightEagle
1 回 6.57±4.89 8.27±6.22 10.69±9.69
2 回 7.11±4.86 6.84±4.52 10.32±5.77
5 回 6.50±4.51 8.54±5.83 10.24±6.88
10 回 6.64±5.05 8.79±8.53 9.51±5.93
20 回 6.96±5.08 8.25±5.95 9.90±6.99
50 回 6.18±5.03 9.22±5.42 9.96±6.54
数値実験 2
事前 数試合分 を学習 せ,試合前 学習結果を与え
前半 ータを使 SIRMs 学習,後半 評価
ハーフタ 修 を加えた場合 予測位置 誤差 (m)
学習用 対戦回数 変動 見 い
学習結果を与え ,チー 誤差 改善 見 た
敵位置予測 概要図
SIRMs ファ を用い,敵位置予測 を作成
ニ ーラ ネッ ワー 性能比較
う チー 組み込み,有効 活用 今後 課題
わ
pass
dribble pass
shoot
10 7
9