⚡ electrical engineering

Irrational pursuit-evasion differential games: A cumulative prospect theory approach

本論文は、累積プロスペクト理論を用いて追跡・回避ゲームにおけるプレイヤーの非合理的な知覚をモデル化し、捕獲可能性の条件や均衡の存在を証明することで、非合理的な行動が状況によっては追跡者または回避者に有利に働き、合理的な行動では達成不可能な捕獲を実現しうることを示しています。

原著者： Zili Wang, Hao Yang, Xiangxiang Wang, Bin Jiang, Long Wang

公開日 2026-03-31

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Zili Wang, Hao Yang, Xiangxiang Wang, Bin Jiang, Long Wang

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

この論文は、「追跡者と逃げ手のゲーム」（例えば、ドローンが別のドローンを追いかける状況）において、**「人間の非合理的な心理」**がどう影響するかを数学的に解明したものです。

通常、ゲーム理論や制御工学では、「プレイヤーは常に冷静で合理的に、最も良い選択をする」と仮定します。しかし、現実の人間はそうではありません。私たちは**「リスクを恐れる」傾向があったり、「確率を勘違いして過大・過小評価」**したりします。

この論文は、そんな**「人間の非合理な心理」**をゲームのルールに組み込み、追跡が成功するか、あるいは逃げ切れるかを分析しました。

以下に、難しい数式を使わずに、身近な例え話で解説します。

1. 物語の舞台：追跡ゲームと「心のフィルター」

想像してください。
**「追跡者（パトカー）」と「逃げ手（泥棒）」**がいます。

追跡者は、できるだけ早く捕まえて、燃料を節約したい。
逃げ手は、できるだけ遠くへ逃げ、燃料を節約したい。

これまでの研究では、二人とも**「完全なロボット」として扱われてきました。「確率 50% の危険があるなら、50% と正確に計算して行動する」という合理的な人**です。

しかし、この論文は**「人間」**を登場させます。

追跡者の心理： 「失敗したら大変だ！」と恐怖して、小さな確率のリスクを**「ものすごく大きく」**感じてしまい、慎重になりすぎる（あるいは逆に、楽観視して無茶をする）。
逃げ手の心理： 「捕まる確率は低いはずだ」と思い込み、実際のリスクを**「小さく」**見てしまう。

この**「心のフィルター（非合理的な知覚）」を、「累積展望理論（CPT）」**という心理学のツールを使って数式化しました。

2. 発見された驚きの事実：非合理さが「武器」になる

最も面白い発見は、**「非合理的な行動が、時には有利に働く」**という点です。

① 追跡者が有利になるケース

追跡者が「失敗への恐怖（損失回避）」を強く感じている場合、彼は**「絶対に逃がさない！」**という強い意志で、通常ならしないような過剰な攻撃やリスクを犯すことがあります。

例え話： 泥棒が「捕まる確率は 1% だ」と冷静に考えて逃げる時、追跡者のパトカーは「1% でも捕まえる！絶対に許さない！」と必死に追いかける。その**「過剰な恐怖心」が、泥棒の油断を誘い、結果として捕まえる確率を高める**ことがあります。
結論： 理性では「無理だ」と判断される状況でも、追跡者の「非合理な執着」が勝利を呼び込むことがあります。

② 逃げ手が有利になるケース

逆に、逃げ手が「捕まる確率を過小評価」している場合、彼は**「大丈夫、大丈夫」**と油断して、追跡者の攻撃範囲に近づきすぎてしまいます。

例え話： 泥棒が「追跡者は疲れているはずだ」と過信して、無理なルートを選んだ結果、逆にパトカーに簡単に捕まってしまいます。
結論： 非合理な「楽観視」は、逃げ手にとって**「自滅」**を招くこともあります。

つまり、「合理的な計算」では勝てないゲームでも、「人間の感情（恐怖や過信）」が入り込むことで、勝敗がひっくり返ることがあるのです。

3. この研究が何をもたらすか？

この研究は、単なるゲームの話ではありません。現実の**「人間と機械が協力するシステム」**に大きな影響を与えます。

ドローンと人間のパイロット： 無人機（ドローン）が人間のパイロットと協力して敵機を撃退する場合、パイロットが「恐怖」や「過信」で非合理的な判断を下しても、ドローンの制御システムがそれを予測して補正すれば、より安全に任務を遂行できます。
自動運転と歩行者： 自動運転車が歩行者を避ける際、歩行者が「車は止まるはず」と過信して飛び出してきたり、逆に「車が突っ込んでくる！」と過剰に恐れて動けなくなったりする心理を予測できれば、より安全な運転が可能になります。

4. まとめ：感情も「計算」の一部

この論文は、**「感情や心理的なバイアス（偏り）も、制御システムの一部として計算に入れるべきだ」**と主張しています。

従来の考え方： 「人間は間違えるから、機械が完璧に計算してカバーする」
新しい考え方： 「人間の『非合理さ』自体をルールに組み込み、その心理を予測して最適な戦略を立てる」

まるで、将棋やチェスで相手が「感情で動く」ことを前提に、その「感情の動き」を予測して手を読むようなものです。

「完璧な理性」だけを追う時代は終わり、「人間の非合理さ」を理解し、それと共存・利用する新しい制御の時代が、この研究によって開かれたのです。

論文概要

本論文は、環境の不確実性に対する追跡者（ pursuer）と逃避者（evader）の非合理的な知覚（リスク回避と確率感度）を考慮した、新しい追跡・逃避（PE）微分ゲームの枠組みを初めて提案するものです。従来のゲーム理論が「合理的なプレイヤー」を前提としていたのに対し、人間と機械の相互作用（有人・無人システムなど）において見られる認知バイアスを、**累積プロスペクト理論（CPT: Cumulative Prospect Theory）**を用いてモデル化し、その捕獲可能性（Capturability）とナッシュ均衡の存在性を厳密に分析しています。

1. 問題設定 (Problem)

背景: 従来のベイジアン微分ゲームでは、プレイヤーは環境の不確実性を正確に知覚し、期待値に基づいて最適化を行う「合理的」な存在として扱われてきました。しかし、実際の人間・機械システムでは、人間は確率分布に対して「リスク回避（損失を過大評価）」や「確率感度（小確率を過大評価、大確率を過小評価）」といった非合理的なバイアスを持ちます。
課題: この非合理的な知覚が、追跡・逃避ゲームの捕獲条件や均衡にどのような影響を与えるかを数学的に定式化し、解析すること。
目的: 非合理的な知覚を含む PE 微分ゲームにおいて、追跡者が逃避者を捕獲できるための十分条件と、CPT ベースのナッシュ均衡の存在性を明らかにすること。

2. 手法とモデル (Methodology)

ゲームモデルの構築:
- 追跡者と逃避者の運動を微分方程式で記述し、性能指標（距離の最小化・エネルギー消費の最小化など）に確率的な重み（不確実性）を導入したベイジアン微分ゲームを基礎とします。
- 不確実性は正規分布に従うと仮定します。
CPT（累積プロスペクト理論）の導入:
- 従来の期待効用最大化の代わりに、プレイヤーの主観的な価値評価関数として CPT を適用します。
- 価値関数: 基準点（合理的な最適値 $J_r$ ）からの逸脱（利得と損失）に対して、非線形な感度パラメータ（ $\alpha, \beta$ ）を適用します。損失は利得よりも重く評価される「損失回避」を表現します。
- 重み付け関数: 客観的な確率を主観的な確率に変換する関数（ $\gamma$ ）を導入し、小確率の過大評価や大確率の過小評価をモデル化します。
- これにより、追跡者と逃避者それぞれが、元の性能指標 $J$ ではなく、CPT 変換された「展望値（Prospect Value）」 $J_1, J_2$ を最適化するようにゲームを再定義します。
解析手法:
- 最適制御則を導出するために、結合されたリカチ方程式（Coupled Riccati Equations）を構築します。
- 非線形な CPT 項を含むため、直接解くことは困難ですが、**ブラウワーの不動点定理（Brouwer's fixed-point theorem）**を適用することで、解（CPT-Nash 均衡）の存在性を証明します。
- 捕獲可能性の解析には、リアプノフ関数を用いた安定性解析を適用します。

3. 主要な貢献 (Key Contributions)

非合理的知覚の統合: 実用的な人間・機械システムにおけるリスク回避と確率感度を、ベイジアン微分ゲームの枠組みに CPT を通じて初めて統合しました。追跡者と逃避者それぞれに独立した CPT 関数を設計し、損失回避や確率の歪みを表現しています。
捕獲可能性の十分条件の導出: 3 つのシナリオ（追跡者が制御力優位、逃避者が制御力優位、同等）に対して、システムダイナミクスと CPT パラメータ（ $\alpha, \beta, \gamma, \epsilon$ ）に基づいた捕獲可能性の厳密な十分条件を導出しました（定理 1）。
均衡の存在証明: ブラウワーの不動点定理を用いて、CPT-Nash 均衡の存在を厳密に証明しました。
非合理性の影響の解明: 非合理的な行動が必ずしも不利ではなく、状況によっては追跡者にも逃避者にも有利に働くことを示しました。特に、合理的な条件下では捕獲不可能なケースでも、特定の非合理的パラメータ設定下では捕獲が可能になることを発見しました。

4. 結果と知見 (Results)

シナリオ 1（追跡者が制御力優位）: 本来は捕獲可能な状況ですが、非合理的なパラメータ（追跡者の損失感度 $\beta_1$ や損失乗数 $\epsilon_1$ の増大など）が特定の範囲にある場合、捕獲がさらに容易になります。逆に、逃避者の非合理性が特定の方向に働くと、捕獲が阻害される可能性があります。
シナリオ 2（逃避者が制御力優位）: 合理的な条件下では捕獲不可能ですが、追跡者と逃避者の非合理的な知覚（例えば、追跡者の利得感度 $\alpha_1$ の低下や、逃避者の損失感度 $\beta_2$ の増大など）が特定の条件を満たすことで、捕獲が可能になることが示されました。これは「非合理性が追跡者の勝利を可能にする」重要な結果です。
シナリオ 3（制御力同等）: 合理的な場合は捕獲不可能ですが、両者の非合理性パラメータの差（ $\Psi_1 - \Psi_2$ ）が状態重み $Q_r$ とバランスする条件を満たせば、捕獲が保証されます。
数値シミュレーション: 様々な CPT パラメータ（感度、損失乗数など）を変化させたシミュレーションにより、理論的な条件が満たされる場合、距離がゼロに収束（捕獲）することが確認されました。

5. 意義と将来展望 (Significance)

理論的基盤の確立: 行動経済学（プロスペクト理論）とゲーム理論制御を橋渡しし、複雑な人間・機械システムにおける制御工学のための厳密な理論的基盤を確立しました。
実用性: 無人機（ドローン）の追跡、自律走行、ミサイル迎撃など、人間のオペレーターが関与するシステムにおいて、人間の非合理的な判断を考慮したより現実的な制御戦略の設計を可能にします。
将来の課題: 現在の研究は単一追跡者・単一逃避者に限定されています。将来的には、ネットワーク化されたマルチプレイヤー微分ゲームへの拡張や、複数のエージェント間での非合理性の伝播・結合に関する研究が期待されます。

結論:
本論文は、従来の「合理的」な仮定を捨て、人間の非合理的な認知バイアスを数学的にモデル化し、それが追跡・逃避ゲームの結果をどう変えるかを解明した画期的な研究です。特に、非合理的な行動が「不利」ではなく、状況によっては「捕獲を可能にする」新たな戦略的要素となり得ることを示した点が最も重要な貢献です。