経路探索に関する研究は古くから盛んに行われており、多くのアル
ゴリズムが提案されている。Deep Q-Networkを用いた手法では、試
行錯誤を繰り返すことで経路探索問題を学習することはできるが、
フィールドのサイズが大きくなると学習が困難になったり、他の
フィールドで学習した情報が別の環境では使えないなどの問題がある。
それに対し、Deep Q-Networkと同様に畳み込みニューラルネットワーク
を用いて経路探索を行う別の手法としてValue Iteration Networksが提案
されている。この手法では、Value Iteration (VI)モジュールと呼ばれるプラ
ンニングモジュールを導入することで、プランニング自体を学習することが可
能になっている。そのため、他の環境で学習を行った結果を利用して、未知の
環境でもゴールにたどり着くことが可能となっている。しかし、この手法では、
ゴールが複数存在するような環境に対応することはできない。また、単一の
エージェントの経路探索しか想定していないため、複数のエージェントが存在
するような状況に対応できないという問題がある。
本研究では、複数の目的地・エージェントを考慮したValue Iteration
Networksによる経路探索を提案する。