目的・報酬駆動型 自律学習ロボット
目的と報酬を渡し、行動の獲得はロボット自身に任せます
移動、回避、追跡、探索を追加するたびに、制御ロジックをほぼ作り直します
部屋のレイアウトや障害物が変わると、作り込んだ前提がすぐ崩れます
目的と報酬だけで現実のロボットが行動を獲得できるか、試す場所がありません
毎回ロジックを書くの、正直めんどくさい
目的だけ渡して、あとは学習してくれる土台がほしいです
友人が少なくても、ひとりでも、ちゃんとかくれんぼが成立する相手がほしい
探す、見つける、追う、逃げる。それを現実のロボットでやりたいです
参考: 80 Level / GamesRadar+ / ARC Raiders公式Fair Play記事
参考: 80 Level / GDC "Learning to Move" セッション / GamesRadar+
サンプルとして見る動画 youtube.com/shorts/qaXpNkgHPSE
このスライドでは、実装の断定ではなく「目指したい体験の近い例」として扱います
対象となる人間を発見し、接触せず、一定距離まで近づけること
Task Find target person Episode 1,245,392 Reward 384.21 Success 73.4% Battery 82% Target FOUND Distance 4.2m Model v27
Monitoring
途中経過、過去モデルとの比較、行動ログ、実機映像を同じ画面で確認します
シミュレーションと実機経験を往復させ、Sim-to-Real Gapを縮めます
Alpha+ Project PRD