部分観測環境における追跡者に依存しないチーム追跡戦略

- 都市環境における2機のUAV（unmanned aerial vehicles）によるevader UAVの追跡・迎撃問題を扱う研究。 - 各agentはbuildingによるocclusionで限られた視界しか持たず、pursuer teamはevaderの初期位置・最終位置・行動方針について未知（evader-agnostic）。 - 探索による情報獲得と追跡・迎撃を統合するmulti-player, partially-observable pursuit-evasion gameとして定式化。 - bounded rationalityの原理に基づくtwo-phase neuro-symbolic algorithmを提案。

- 要旨からは先行研究との具体的な比較は不明。 - 特徴として、evaderの初期・最終位置や行動を事前知識としないevader-agnostic設定を扱う点、およびbounded rationalityに基づくneuro-symbolicな2段階構成を挙げている。 - 従来研究との差分の詳細は要旨からは不明。

- 第1段階（offline）: deep reinforcement learningを用い、fictitious evadersに対してpursuer teamのadversarial policiesを段階的に訓練し、各agentにk-levels of rationalityを持たせる。 - 第2段階（online）: online classification algorithmにより、反復訓練されたstrategic agentsの集合から現在のopponentの「best guess」を推定し、対応するbest player responseを適用。 - 探索（search）と追跡（track）を経てinterceptに至るtwo-phase neuro-symbolic algorithmとして統合。

- 提案schemaを用いることで、環境内のrandom evaderに対してaverage performanceが改善したと報告。 - 具体的な評価指標・比較対象・実験規模の詳細は要旨からは不明。

- 要旨からは不明。 - 明示されているのは、random evaderに対するaverage performanceの改善という結果のみ。 - 限界や失敗ケース、計算コスト、k-levelsの設計に関する議論は要旨からは不明。

- 要旨で参照・比較されている個別研究は明記されていない。 - 関連手法として、deep reinforcement learning、fictitious play、bounded rationality、neuro-symbolic algorithm、pursuit-evasion game、partially-observable environmentに関する文献が次に読む候補となる（具体的な論文名は要旨からは不明）。