一般社団法人人工知能学会 Japanese Society for Artificial Intelligence 人工知能学会研究会資料 JSAI Technical Report SIG-Challenge-04 (3/30) RoboCup Controlling Actions with P

Size: px

Start display at page:

Download "一般社団法人人工知能学会 Japanese Society for Artificial Intelligence 人工知能学会研究会資料 JSAI Technical Report SIG-Challenge-04 (3/30) RoboCup Controlling Actions with P"

しおりくだら
5 years ago
Views:

1 一般社団法人人工知能学会 Japanese Society for Artificial Intelligence 人工知能学会研究会資料 JSAI Technical Report SIG-Challenge-4 (3/) RoboCup Controlling Actions with Pruning in RoboCup Soccer,, Sho Tanaka, Tomoharu Nakashima, Hidehisa Akiyama Osaka prefecture University, Fukuoka University Abstract This paper proposes a team strategy implementation method by directly controlling its behavior. The team behavior depends mainly on the decisions of the ball owner who selects the best action in an action space. Unfortunately, the action space is generally too large to explore in a reasonably short time. Furthermore, many solutions might be irrelevant to the strategy decided by the developper and can be ignored. In order to reduce the search space and make the ball owner focus only on relevant actions, a binary classifier is used. Actions classified as negative by the classifier are pruned from the search space. Computational experiments are conducted in order to show that the reduced search space produces tendecies in the team behavior that correspond to the strategy of interest. 1 RoboCup [1] RoboCup RoboCup RoboCup 2D RoboCup RoboCup RoboCup 2D 1 [2] (SVM) GUI - SVM 1

1 3 RoboCup 2D Gabel [3] Neuro Hassel 1: 2D Simulation League 2: 3D Simulation League

2 2 RoboCup RoboCup RoboCup 5 RoboCup RoboCup RoboCup 1 2D 3D Figre 1 2 2D 3D 2D 2D 3D 2D 2D RoboCup 2D Gabel [3] Neuro Hassel 1: 2D Simulation League 2: 3D Simulation League Stone [4] Locker Room Agreement Locker Room Agreement Akiyama [5] Delaunay Triangulation Akiyama [2] Akiyama [6] 2 agent2d agent2d [7] Single Input Rule Modules 2

3 [8] 1 [9] SVM [2] ( ) 4.2 SVM SVM x y 2 n m 1 n m k n m k 1 n m SVM SVM 5 SVM SVM 5 GUI SVM 3

4 4 [8] GUI [9] GUI EM GUI Figure 3 GUI Figure 3 1-1 3: Screenshot of the developed GUI 6 SVM HELIOS [] HELIOS HELIOS SVM 4.2.1 4 [ ] 4 [ ] 3 6.

4 4 4 [8] GUI [9] GUI EM GUI Figure 3 GUI Figure : Screenshot of the developed GUI 6 SVM HELIOS [] HELIOS HELIOS SVM [ ] 4 [ ] SVM HELIOS Shiraz FURY CSU Yunlu InfoGraphics Ziziphus HERMES Ri-one agent2d 8 agent2d [6] InfoGraphics RoboCup14 HER- MES RoboCup15 Shiraz FURY CSU Yunlu Ziziphus Ri-one RoboCup16 5 SVM Table Table 2 RBF Table RoboCup 2D 1.1 SVM HELIOS agent2d SVM SVM.24(msec) RBF (msec) 1: SVM s accuracy rates for a 7 7 grid Kernel Depth : 1 Depth : 2 Depth : 3 Depth : 4 Linear RBF : SVM s accuracy rates for a grid Kernel Depth : 1 Depth : 2 Depth : 3 Depth : 4 Linear RBF

5 6.2 枝刈りによる行動制御ないこのことから勝利が可能な行動選択が出来ていると言える HERMES に対し勝利数が減少した原因とし提案手法では行動プランニング時の探索において生て HERMES は守備に偏重した陣形をとっており得点成された行動列が設計者の意図に適しているかどうか SVM が難しかったことが考えられるにより判断し枝刈りを行う 6.1 節の実験により得られた知見から識別モデルとして線形カーネルを用いた SVM を使用するまたフィールドを個のグリッドに分割してキック位置を離散化する HELIOS に提案手法を組み込み Shiraz FURY CSU Yunlu InfoGraphics Ziziphus HERMES Ri-one agent2d の 8 チームとそれぞれ 5 試合ずつ行う行動の変化を表す例として対 FURY 戦における枝刈りを組み込んでいない従来のチームでのパスの軌跡と提案手法を組み込んだチームでのパスの軌跡を Figure 4 に示すまた従来のチームでの試合結果を Table 3 枝刈りを組み込んだチームでの試合結果を Table 4 に示す Figure 4 において上側の図が従来のチームでのパスの軌跡を表しており下側の図が枝刈りを組み込んだチームでのパスの軌跡を表しているまた左側が自陣右図 4: Pass distribution against FURY 側が敵陣である赤い線がパスの軌跡を表しており線の色の濃さにより頻度を表している Figure 4 から枝刈り 7 を組み込んだチームは従来のチームと比較して片側のサイドにパスを出す傾向が強くなっていることがわかる Table 3 4 において Win rate は勝率 Goals for は平均おわりに本論文では評価関数の修正なしに行動制御をするため探索木生成段階で枝刈りすることにより行動列を制御する手法を提案した戦術を複数用意することが出来れ得点 Goals against は平均失点 Through pass は平均スばより有利に試合を進めることが出来るまた設計者ルーパス回数 Shoot は平均シュート回数 Penalty area の意図を反映した学習用データを作成するため GUI アは敵ペナルティエリアへの平均侵入回数を表しているこプリケーションによりラベル付けを行った今後の課題との時スルーパスを敵のオフサイドラインより自陣側してユーザビリティを考えた GUI アプリケーションのからキックを行い次にキックする位置が一つ前の敵のオ作成や識別精度を高めるため識別モデルや入力に用いフサイドラインを超えておりなおかつフィールドを 3 分割した際の敵陣側でキックしたものと定義する Table 3 4 から提案手法を組み込んだチームでは従来のチームとる特徴量の検討などが考えられる参考文献比較した際得点において CSU Yunlu Ziziphus では同 [1] Hiroaki Kitano, Minoru Asada, Yasuo Kuniyoshi, 等程度それ以外では減少している得点が減少した原因 Itsuki Noda, Eiichi Osawa and Hitoshi Matsubara, RoboCup: A Challenge Problem for AI, AI Magazine, Vol. 18, No. 1, pp , としてスルーパスの回数が減少や学習用データの作成において誤ったラベル付けをした可能性や誤識別の可能性などが考えられる InfoGraphics との試合ではスルーパスの回数が著しく減少しているこれは InfoGraphics [2] 秋山英久連続状態行動空間での木探索によるオの守備が InfoGraphics 側に向けてパスをさせないようンライン協調行動プランニング研究報告ゲーム一列に並ぶという特徴に起因すると考える従来はこ情報学 12-GI-27 巻 11 号 12 れに対しサイドチェンジを繰り返し行いスルーパスを行う機会を作り突破していたしかし枝刈りを組み込んだチームでは片方のサイドに行動を寄せているためスルーパスを行う機会が減りその結果としてシュート回数や得点が減少したことが考えられる一方で Ziziphus ではゴール前にプレイヤを集め守備を行うという特 [3] Thomas Gabel, Martin Riedmiller, and Florian Trost, A Case Study on Improving Defense Behavior in Soccer Simulation 2D : The NeuroHassle Approach, RoboCup 7: Robot Soccer World Cup XII, pp , 8. 徴を持つそのため片方のサイドから攻撃した場合で [4] Peter Stone and Manuela Veloso, Task Decom- も同様に得点に繋がる行動を行ったと考えられるしか position, Dynamic Role Assignment, and LowBandwidth Communication for Real-Time Strategic し勝率で見た際 HERMES 以外ではあまり変化してい 5

6 3: Performance without the proposed method Opponent Win Goals Goals Through Shoot Penalty rate for against pass area Shiraz FURY CSU Yunlu InfoGraphics Ziziphus HERMES Ri-one agent2d : Performance with the proposed method Opponent Win Goals Goals Through Shoot rate for against pass Penalty area Shiraz FURY CSU Yunlu InfoGraphics Ziziphus HERMES Ri-one agent2d Teamwork, Artificial Intelligence, Vol. 1, No. 2, pp , Germany, 6 pages, 15. [5] Hidehisa Akiyama and Itsuki Noda, Multi-Agent Positioning Mechanism in the Dynamic Environment, RoboCup 7 : Robot Soccer World Cup XI, 8. [6] Hidehisa Akiyama and Tomoharu Nakashima, HE- LIOS Base: An Open Source Package for the RoboCup Soccer 2D Simulation, RoboCup 13 : Robot World Cup XVII, pp , 14. [7] RoboCup SIRMs 4 AI pp [8] 15 pp [9] 32 pp [] Hidehisa Akiyama, Tomoharu Nakashima, Jordan Henrio, Thomas Henn, Sho Tanaka, Tomonari Nakade and Takuya Fukushima, HELIOS16 Team Description Paper, RoboCup 16 Leipzig, 6

RoboCup 1 2D 3D Figre 1 2 2D 3D 2D 2D 3D 2D 2D Earth Mover s Distance Earth Mover s Distance 3.1 (x y ) p i w pi Figure 3 opuscom Uv

RoboCup 1 2D 3D Figre 1 2 2D 3D 2D 2D 3D 2D 2D Earth Mover s Distance Earth Mover s Distance 3.1 (x y ) p i w pi Figure 3 opuscom Uv 社団法人人工知能学会 Japanese Society for Artificial Intelligence 人工知能学会研究会資料 JSAI Technical Report SIG-Challenge-042-01 (5/3) RoboCup Predicting Game Results using Kick Distributions in RoboCup,, Jordan Henrio,,