糸田 孝太

競技や日常に見られる人の柔軟な協調行動を理解する事は，人と共同活動を行う知的システムを構築する上で重要である．例えば球技などの協調的集団行動では，時々で変化する共有目標に対して参加者同士がお互いの状態と行動を元に，誰と，どのように協力する事で協調を成功させるのかを，共有される意図と協調戦略によって行動を変化させる．それは共有された意図に基づくトップダウンの行動決定過程と，それぞれの行動から推定された意図の調整に基づくボトムアップの過程により行われると考えられる．そのような過程を再現するエージェントモデルの作成のため，我々は意図と集団内の動的な意図の調整を行う仕組みを，共有目標に対して協調的な戦略が必要とされる集団行動を抽象化したパターンタスクによる実験をもとに分析する．実験の結果をもとにしたエージェントモデルを作成し，モデルシミュレーションを行う事で協調戦略の差異によるモデルの動作を検証した．

我々はこれまでに特定の目標に対して協調的な意図や行動の切り替えが必要とされる集団行動を抽象化したパターンタスクを用いた行動実験により，目標の動的な変更のタイミングと集団内で意図を調整する戦略を分析してきた．本研究ではその結果を元に「ランダム選択」「自己優先選択」「他者エージェントの目標パターンの推定」の3つの戦略を持つエージェントモデルを作成し，シミュレーションにより意思決定過程の検証を行った．

サッカーやハンドボールといったゴール型ボールゲームにおいては，パス行動時にパスが可能な味方を複数探索し，それぞれの意図を推定してパスが可能な選手を選択する．更にパス可能な選手の周囲に存在する敵の位置や行動を確認してその意図を推定し，最もパスが成功する味方選手を決定する．このような時間的・空間的に強い制約を受けた瞬時の意図推定および判断を実現するためには，集団内部で共有される協調パターンが存在すると考えられる．そこで本研究では，サッカーにおいて協調パターンを形成することが重要であるパスシーンに着目し，仮想環境を用いてサッカー選手の一人称視点を呈示した．更に呈示前後の視線行動を分析し，協調パターン形成に関する被験者の意図推定の過程を検討した．

近年アクションカムや加速度センサなど個人の行動を計測するデバイスを利用したスポーツ等の集団行動の研究が行われている．これらの計測では選手が出力する行動を主に分析しているが，集団行動においてはそれ以前に自己と他者が相互の行動を確認し，その意図の推定および目的を共有して，次の行動を判断している．本研究ではこのような集団における自己と他者の意図の共有について頭部の動きから分析し，その過程をシミュレーションするためのモデル化を行う．実験対象はサッカーパス行動とし，選手の頭部の動きを飛行ドローンで計測する．本実験でのドローンによる選手頭部の計測精度および，ボールホルダーと他の選手が視線を向け合って意図を共有しているタイミングおよびパスを出すタイミングの分析結果について述べる．

集団における柔軟な協調行動の実現にはお互いの意図の共有によるトップダウンと，各々の行動に基づく動的な推定や修正といったボトムアップの意思決定の制御が重要と考えられる． 本研究はそのような集団の知的なインタラクションの理解のため，注目する他者の選択，他者と自己の意図の調整の仕組みに着目したパターンタスクを提案する．そして本タスクでの複数人の非言語的な協調モデルを作成し，被験者の行動を分析した．

サッカーではパスを行う時には選手間で意図共有を行われているが、ロボカップサッカーではエージェントに意図共有のモデルを実装していないため、状況に応じてエージェント同士が意図を共有しパスをする事は難しい。そこで本研究では実試合データを用いて選手の視線分析を行い、MFのパスの選択及びFWのパスコース予測モデルを作成した。さらにモデルをエージェントに実装し、ログデータからその有効性を評価した。

ハンドボールやサッカーといったゴール型ボールゲームでは，敵味方選手が同じフィールドを共有し，お互いの意図の推定に基づき，選手の時空間的な関係を動的に切り替える．本研究はゴール型ボールゲームとしてハンドボールに着目し，隠れマルコフモデル(HMM)及びトランスファー・エントロピー(TE)を用いて選手行動の因果性を分析することで，攻撃や守備といった集団行動における選手の役割と関係を明らかにした．

近年のエージェント開発では，決められた状況だけに最適化された制御則だけにとどまず，機械学習などの統計や確率的学習手法を取り入れ，不確実な状況に対しても適応能力を持つような動作生成や行動選択のシステムが多く提案されている．本研究では，サッカーにおける集団的戦術行動であるパス行動に着目し，個人の意思決定から集団の行動がどのように最適化されるのかを探る．具体的には，まず人間がどのように予測や決定を行っているのかを，実際の試合のトラッキングデータ及び動画データを分析することで定量化し，その分析を元にパラメータをロジスティック回帰により最適化することでパス行動モデルを構築した．結果として，周辺選手の相対位置に対して主体となる選手の視線方向に重み付けを行うことで，高精度でレシーバーの予測が可能となった．

本研究では実試合データの映像及びトラッキングデータから，パスが行われているシーンを各フレーム毎に分析し，ロジスティック回帰によりモデルを構築した．さらに本モデルをRobocup2Dシミュレーションエージェントに実装することで，パス行動の予測を行った．