Second MOASEI Competition at AAMAS'2026: A Technical Report
このテクニカルレポートは、動的な山火事トラックの導入と評価指標の拡張が行われた2026年MOASEIコンペティションの詳細を記述したものであり、参加者数は限定的であったものの、ベースライン・ポリシーに対してDLCアプローチを用いた単一のライドシェアリング・エントリーが勝利を収めたことを報告している。
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
ルールが刻々と変化し続ける中で、プレイヤーがプレイを続行しなければならない、巨大でハイステークスなビデオゲームのトーナメントを想像してみてください。それが、MOASEIコンペティションの本質です。
2026年5月にキプロスで開催されたこの大会は、人工知能（AI）研究者のための第2回目となるコンテストでした。その目的は、単に誰が最も賢いAIを作れるかを競うことではなく、周囲の世界が混乱し、予測不能で、驚きに満ちた状態になっても、賢さを維持できるAIを誰が構築できるかを見極めることにありました。
以下に、日常的な比喩を用いて、何が起きたのかを詳しく解説します。
設定：静止することのない世界
ほとんどのコンピュータゲームでは、マップは固定されており、敵はスクリプトに従います。しかし、このコンペティションにおける「世界」は、**オープン・エージェント・システム（Open Agent System）**です。これは、賑やかな街の通りを想像してみてください。
- **エージェント（Agents）**は、車や配達ドライバーのようなものです。
- **タスク（Tasks）**は、どこからともなく現れる乗客や荷物のようなものです。
- ひねり（The Twist）： 時にはドライバーの車が故障したり（エージェントの変化）、新しい乗客が通りに飛び込んできたり（タスクの変化）、あるいはドライバーの燃料が切れたり、走行中に地図が更新されたり（能力の変化）します。
このコンペティションは、この混沌とした街における3つの異なる「レベル」でAIチームをテストしました。
- 森林火災対策（Wildfire Fighting）： 一部の隊員が水切れを起こしたり、新しい火災に到達する前に疲れ果ててしまったりする可能性がある消防士のチームのようなものです。
- サイバーセキュリティ（Cybersecurity）： ハッカーが戦術を変え続ける中で、ネットワークを保護しようとするデジタルガードのチームのようなものです。
- ライドシェアリング（Ride-Sharing）： ランダムな時間と場所に現れる乗客を拾おうとする、タクシー艦隊のようなものです。
2026年の新しいルール
主催者は、昨年よりもゲームをより難しく、より公平にしたいと考えました。彼らは2つの大きな変更を導入しました。
- 「ボーナスレベル」（フレームの開放性 / Frame Openness）： 森林火災のトラックにおいて、消防士の装備が作業中に変化するという新しいルールを追加しました。消防士が突然、ホースの水圧が半分になったり、梯子が以前より短くなったりすることを想像してみてください。AIは即座に適応しなければなりませんでした。
- より優れたスコアカード： 単に最終的な「スコア」を見るのではなく、「どれだけの仕事が完了したか？」「待ち時間はどのくらいだったか？」「どれだけの価値を生み出したか？」といった具体的な項目をカウントし始めました。これは、「ゲームに勝った」と言うのと、「50人の顧客に対応し、平均待ち時間は2分だった」と言うのとでは、全く異なるのです。
結果：一人のスタープレイヤーが現れた静かな年
興奮とは裏腹に、2026年のコンペティションは少し静かなものでした。
- 観衆（参加チーム）： 8つのチームがプレイのために登録しました。
- ゴールライン： 実際にレースを完走し、ソリューションを提出したのは、わずか1チームでした。
- 勝者： DLCと名付けられたそのチームは、ライドシェアリングのレベルのみをプレイしました。彼らが唯一完走したため、自動的にそのトラックの勝者となりました。
勝者（DLC）はどうプレイしたか
DLCチームは、「当たりを付けるための試行錯誤（guess and check）」という手法は使いませんでした。代わりに、彼らは**超組織的な配車管理者（ディスパッチャー）**のように振る舞うAIを構築しました。
- 戦略： 常に地図を引き直すタクシーの配車管理者を想像してください。新しい乗客が現れるたびに、配車管理者はただ「了解、向かえ」と言うだけではありません。彼らは立ち止まり、すべての車、すべての新しい乗客、そして交通状況を確認し、全員が最も効率よくピックアップされるように、全員のルートを**再計画（リプランニング）**します。
- パフォーマンス：
- 成功： 彼らのAIは、乗客を目的地に届けることに非常に優れていました。彼らは、「強欲な（greedy）」ベースライン（先を考えずに近くの乗客を捕まえるだけのAI）とほぼ同等の数の乗客を運び終えました。
- スピード： 彼らは「先入れ先出し（First-In-First-Out）」のベースライン（列の最初の人を単に取るもの）よりも、人々をピックアップするスピードがはるかに速かったです。
- トレードオフ： ただし、一つ落とし穴がありました。DLCはより多くの人々をピックアップしましたが、乗車自体は少し長くなりました。これは、目的地へ直行する代わりに、途中で10人をピックアップするために停車するバス運転手のようなものです。彼らはより多くの人々を「どこか」へ連れて行きましたが、旅路は長くなりました。
私たちが学んだこと
論文は、いくつかの重要な教訓で締めくくられています。
- 計画（プランニング）は機能する： DLCチームは、常に計画を練り直すAIが、タスクが次々と現れる世界を扱う上で非常に有効であることを証明しました。
- バランスの取り方： 「物事を完遂すること」と「迅速に行うこと」の間には緊張関係があります。勝者はより多くのタスクをこなしましたが、実行に時間を要しました。今後のコンテストでは、どちらがより重要かを決定する必要があります。
- より多くのプレイヤーの必要性： 2026年の最大の教訓は、コンペティションにもっと多くのチームが必要だということです。エントリーが1つしかなかったため、異なるAIのスタイル（例えば「学習型」対「計画型」など）を比較することができません。主催者は、次回より多くのチームが参加できるよう、ルールを明確にし、スターティングツールを改善する計画を立てています。
要約すると、2026年のコンペティションは、ライドシェアリングの混沌とした世界において、常に一日の計画を立て直そうとするAIが、たとえ乗車時間が少し長くなったとしても、非常にうまく対処できることを示しました。これは特定の特定のアプローチの成功したテストであり、将来のより大規模で混雑したレースへの舞台を整えるものとなりました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。