Policy ラベル

前提知識: 指し手

このページの要点

labels::policy は、Move / Move32 と手番から決まる純粋な move label 変換を提供する
MoveLabel は 27 x 81 = 2187 クラスで、class * 81 + to_sq の形に並ぶ
CompactMoveLabel は構造的に存在しえない 691 クラスを除いた 1496 クラス
core はラベル scheme までを担当し、テンソルレイアウト依存の gather index までは持たない

なぜ `types` ではなく `labels` なのか

Move 自体は将棋エンジンや棋譜処理で広く使う基本型です。一方、policy ラベルは機械学習モデルの出力設計に由来する scheme であり、将棋の基本ルールそのものではありません。

そこで rsshogi では、次のように責務を分離しています。

types: Move / Move32 / Square など、局面操作の基礎になる型
labels: それらの型を学習・推論向けの固定長ラベルへ写像する純粋変換

この分離により、scheme 固有の知識を基本型へ埋め込まずに済みます。

2187 クラスの `MoveLabel`

MoveLabel は 27 種類のラベルクラスと 81 個の移動先マスの組です。

raw = class * 81 + to_sq

クラス 27 種は以下で構成されます。

通常移動 20 種
駒打ち 7 種

後手番の指し手は盤を 180 度回転してからラベル化します。これにより、常に「手番側から見た先手視点」で policy を学習できます。

use rsshogi::labels::policy::{CompactMoveLabel, MoveLabel, MoveLabelClass};
use rsshogi::types::{Color, Move, Square};

let mv = Move::from_usi("7g7f").unwrap();
let label = MoveLabel::from_move(mv, Color::BLACK).unwrap();

assert_eq!(label.class(), MoveLabelClass::Up);
assert_eq!(label.to_sq(), Square::from_usi("7f").unwrap());

let compact = CompactMoveLabel::from_move(mv, Color::BLACK).unwrap();
assert_eq!(compact.expand(), label);

1496 クラスの `CompactMoveLabel`

2187 クラスのすべてが実際に現れるわけではありません。たとえば、最上段への桂不成や一段目への歩打ちは、どの局面でも構造的に現れません。

CompactMoveLabel は、そうした穴を除いた gapless なラベルです。

MoveLabel::compact() で Option<CompactMoveLabel> に変換
CompactMoveLabel::expand() で 2187 クラスへ戻す
MOVE_LABEL_TO_COMPACT / COMPACT_TO_MOVE_LABEL でテーブル変換できる

ただし、これは「合法手ラベル」ではありません。局面依存の合法性判定は行わず、あくまで空盤上の移動・成り・駒打ち制約から見て存在しうるラベルだけを残しています。

build 時生成

1496 クラスの判定は、手書きの禁止リストではなく build script で生成しています。空盤上で次を列挙し、「その class x to_sq を実現できる手が 1 つでもあるか」を調べます。

通常移動の方向
成りクラスへの遷移可否
駒打ち可能な段

これにより、

実装ミスしやすい手書きテーブルを避けられる
2187 / 1496 / 691 の件数をテストで固定できる
Rust / Python など利用側で同じテーブルを再利用できる

core が提供しないもの

labels::policy は再利用しやすい最小単位に留めています。次のようなモデル実装依存の補助は core に含めません。

95 x 27 テンソル用の gather index
NumPy / TensorFlow 固有の helper
日本語表記への変換

これらは downstream の学習パイプライン側で構築する想定です。

Keyboard shortcuts

rsshogi Documentation