私が大学にいたとき、正方形のグリッド上にあるスマートエージェントがあり、正方形をきれいにしなければならないという問題に遭遇したことを覚えています。クリーニングのポイントが付与されました。また、引っ越しで減点されました。ときどき燃料を補給する必要があり、最後に、グリッド上の汚れたまたはきれいな正方形の数に基づいて最終スコアを取得しました。
大学で見たときはとても面白かったので、その問題を研究しようとしていますが、ウィキペディアやオンラインのどこにも何も見つかりません。あなたが知っているその問題の特定の名前はありますか? あるいは、先生がクラスのために思いついたものだったのかもしれません。
AI洗浄剤などを探しているのですが、見つかりません。わかりませんが、おそらく別の名前があると思います。
この問題に関する詳しい情報がどこにあるかご存知でしたら、教えていただければ幸いです。ありがとう。
おそらく、「スティグマジー」アプローチがあなたの問題に密接に関連しています。ここに出発点があり、 Google Scholarで「dead ant」や「robots」を検索すると、何かを見つけることができます。
基本的には、正確な戦略をモデル化する代わりに、確率論的アプローチに取り組みます。アリは（おそらく）「そこにアリの死骸があれば、この死骸を持っていき、なければ新たに山を作る」という単純なルールに従って、死骸を積み上げて回収します。それを使って「クリーニング」の状況を単純化することから始めて、どこに行くかを確認できます。
また、（別の？）適切なアプローチは、次のようなフィットネス関数の慎重に選択された組み合わせを使用して、遺伝的アルゴリズムでモデル化できると思います。
もちろん、ロボットが飢餓で「死ぬ」と、遺伝子プールから自動的に削除されます。
行動に「計算」される非常に単純な遺伝子型をモデル化することから始めることができます。Inman Harvey によるこのような単純な GA の使用を検討してから、各遺伝子に戦略の一部または完全な動作のいずれかを割り当てます。例: 遺伝子 A が 1 になると、ロボットはランダムにさまよいます。遺伝子 B も 1 にすると、距離 X に汚れたタイルがない限り、自己充電が優先されます。または、float とモデル確率を使用します。あなたのマイレージは異なるかもしれませんが、私はそれが楽しいことを保証できます:)
問題はShakeyを思い起こさせますが、クリーニングが含まれます (これはRoombaのようなもので、これらのタスクを実行するようにプログラムすることもできます)。
「問題空間」(または部屋) が十分に小さい場合、単純な A* ベースの検索を使用して最適なソリューションを解決できますが、そうではない可能性があります。
ここで提案されている遺伝的アルゴリズムを使用した機械学習のアプローチは、興味深いアプローチです。問題のドメインを考えると、「ルール」は 1 つしかないため (移動先の汚れたマスを暗黙的に掃除することで除去できるため、move-toアクションclean)、学習者は基本的に環境内を移動する方法を学習することになります。問題は、非常に特定のスペースの掃除に習熟するだけでなく、任意のフロアプランに適応できる学習者を構築することです.
あなたがどのようなアプローチをとっていても、問題セットが十分に大きい場合は、さらにメタ推論のステップを実行し、分割アプローチを使用してフロアを別々の領域に分割し、それらを一度に 1 つずつ征服することも検討します.
「オフライン」で使用するためのデータを作成するテクニックを使用できますか? その場合、特定の床面積 (1x1 から 5x5 まで) を掃除するための最適なルートの「データベース」を作成することも検討します。これは、ゲーム AI がゲームを効果的に「解決」するために使用する「エンドゲーム データベース」に似ています。このデータベースは、ゲームが特定の深さに達したときに効果的に解決します ( Chinookを参照)。