敵対的な環境下において、移動する自律エージェントは自らの意図する目標についての相手の推測に影響を与えるため、戦略的に経路計画を立てることがあります。本研究は、移動エージェントが秘密裏に選択した目標地点に到達しようとする一方で、敵対的な観察者が観測された軌跡に基づいて限定的な防御資源を配分するシナリオにおける欺瞞的経路計画を扱っています。 従来の経路計画や目標認識アプローチでは観察者を受動的な推論プロセスとしてモデル化していましたが、本研究のゲーム理論的定式化では観察者を戦略的な意思決定者として扱います。このアプローチにより、エージェントと観察者の間に非対称な情報がある動的ゲームが生じます。本研究では、線形計画法（LP）の定式化とDouble Oracleアルゴリズムを組み合わせた効率的な解法を開発しました。 提案手法の性能評価のため、欺瞞のリスクと有効性の両方を定量化するメトリクスが導入されています。これらのメトリクスにより、戦略的な経路計画がどの程度相手の防御資源を誤導できるか、また同時にそのような欺瞞戦略にどの程度のリスクが伴うかを測定することが可能になります。数値例を通じた検証により、提案アルゴリズムの実用性が示されており、自律システムやロボティクスにおける敵対的環境下での動作計画に新たな視点をもたらすものとなっています。