| Up | 比較 : ｢投球フォームづくり｣ | 作成: 2026-05-26 更新: 2026-05-27 |
なぜ難しいか？ ひとは，｢難しい｣ をつぎのように考える： 内容が複雑 高度な概念が使われている しかし，｢難しい｣ には，つぎもある： 合理的でないものを， 合理的と受け取って，理解しようとする ｢歩行訓練｣ は，実は無理矢理をやっている。 一方，｢歩行訓練｣ のアルゴリズムは，訓練一般のアルゴリズムとしては，合理的なものである。 このことを，｢投手の投球フォームづくり｣ で見ていく。 先ず，投球の開始から終わりまでの動作に対し，節目を捉える。， そして，｢行動｣ の系列に表現する： a_1 → a_2 → ‥‥ これは一方で，体の各部位の ｢状態｣ を a_i の前後で見ていることになる： s_i → a_i → s_{i+1} 投手は，行動の系列を考えて投球しているわけではない。 投球は，体の自動である。 これを ｢体の位相の発現｣ と見る。 そして，１回の投球に対し，そのときの体の位相θを考える： θ : s_0 → a_0 → s_1 → a_1 → ‥‥ → a_{n-1} → s_n 体は不自由なもので，思う通りには動かない。 θにおいて目的とするフォームを，｢θにおける Policy｣ と呼び，π(θ) で表す。 この π(θ) に照らして，実際の投球フォームを評価する。 即ち，各 a_i に対し，それがπ(θ) に合っているかいないかの評点 r_i をつける。 しかし，外した a_i は，｢結果的にはよかった｣ になるかも知れない。 そこで，これを考慮した a_i の評点を，｢Advantage A_i ｣ の言い回しで，考えることにする。 そしてここが，頭の一番の使いどころになる。 結論は： A_i = Σ{ (γλ)^k δ_{i+k} | k = 0, ‥‥ , n-1-i } δ_i ＝ r_i + γ V( s_{i+1} ) ー V( s_i ) Advantage の導入で，１回の投球が，つぎのデータになる： θ; { A_i | i = 0, 1, ‥‥, n-1 } 投球はその都度，今 (θ) のものと前 (θ_old}) のものを比較する。 比較は： A_i (θ) とA_i (θ_old) の比較 i = 0, 1, ‥‥, n-1 そして，｢フォームの修正｣ がつぎのようになる： s_i (θ_old) が s_i (θ) に変わる方向を強化する， A_i (θ) < A_i (θ_old) のときは， s_i (θ) が s_i (θ_old) に変わる方向を強化する， ここで更新することになるのは，θである。 そして，更新したθで，つぎの投球試行に向かう。 しかしこのとき，問題がある。 そもそも，A_i 値は信用してかかるものではない。 よって，強化はほどほどにして，つぎの投球試行に進む。 この ｢よいと思われる方向をほどほどに強化｣ も，頭の使いどころ。 先に，｢Advantage A_i ｣ を，頭の一番の使いどころと言った。 そこで，この「ほどほどに強化｣ は，２番目ということにしておく。
|