Unity ML-Agents実践ゲームプログラミング
Unityではじめる機械学習・強化学習

著者:布留川 英一

発行・発売:株式会社 ボーンデジタル

ISBN:978-4-86246-418-7

サイズ:B5変形判、オールカラー

総ページ数:312ページ

価格:3,456 (税込)

数量:

ディープラーニング(深層学習)でキャラクターを強くする!
Unity界でいま最もホットな話題「Unity ML-Agents」を ステップ・バイ・ステップで学べる1冊!
ゲーム制作で、機械学習・強化学習を活用するための最初の一歩!

「Unity ML-Agents」(Unity Machine Learning Agents)は、Unityで「機械学習」の学習環境を構築するためのフレームワークです。これにより、キャラクターの動きをコーディングすることなく、強化学習を行わせることで、キャラクターの動作の最適化を行うことができます。

本書は、はじめて「機械学習」にチャレンジする方から学んでいただけるように、機械学習の仕組みや学習方法などの基礎から、サンプルプログラムを使った実践まで、ていねいに解説しました。また、クラウド学習などの応用事例やTIPSも多数掲載し、ゲーム開発の現場ですぐに活用できます。

「強化学習」「模倣学習」「カリキュラム学習」の仕組みと「Unity ML-Agents」の基礎、そして多くのゲームに応用できる学習シナリオを理解できます。
サンプルゲームを使った学習環境の構築と推論モデルの実行方法をステップ・バイ・ステップで解説しています。学習環境には、「Python」とGoogleの「TensorFlow」を利用しますが、「Unity ML-Agents」ではPythonの知識は必要ありません。
Unity ML-Agentsの付属するサンプルは、バリエーションが豊富で、自作ゲームの学習環境を構築する際にも、たいへん参考になります。これらの付属サンプルの詳細を解説しています。
オリジナルのゲームを1から作成し、Unity ML-Agentsの主要オブジェクト「Agent」「Brain」「Academy」のコーディングと最適な「報酬」(Reward)の与え方を学べます。
Unity ML-Agentsでは、AWS(Amazon Web Services)を利用した「クラウド学習」も可能です。また「Python API」を使って、ゲームに最適化した学習用スクリプトを作成することもできます。これらの応用例についても紹介します。

本書で解説する主要キーワード
強化学習、模倣学習、カリキュラム学習、Recurrent Neural Network(RNN)、Intrinsic Curiosity Module(ICM)、TensorFlow、TensorBoard、Jupyter Notebook、AWSによるクラウド学習、Python APIによる独自の学習用スクリプト

1章 Unity ML-Agentsの全体像
 1-1 機械学習の概要
 1-2 強化学習の概要
 1-3 Unity ML-Agentsの概要
 1-4 学習シナリオ
    ・Single-Agentシナリオ
    ・Simultaneous(同時)Single-Agent
    ・Adversarial(敵対)Self-Play
    ・Cooperative(協同)Multi-Agent
    ・Competitive(競争)Multi-Agent
    ・Ecosystem(生態系)

2章 サンプルの学習環境の実行
 2-1 開発環境の準備
 2-2 プロジェクトの設定
 2-3 サンプルの学習環境の作成
 2-4 Pythonスクリプトによる学習
 2-5 Unityでの推論モデルの実行

3章 はじめての学習環境の作成
 3-1 はじめての学習環境の準備
 3-2 Academyの追加
 3-3 Brainの追加
 3-4 Agentの追加
 3-5 はじめての学習環境の実行
 3-6 iOS、Androidでの実行

4章 サンプルの学習環境の解説
 4-1 Basic(Single-Agent)
 4-2 3DBall(Simultaneous Single-Agent)
 4-3 GridWorld(Visual Observation)
 4-4 Tennis(Adversarial Self-Play)
 4-5 PushBlock(RayPerception)
 4-6 WallJump(Brainの切り替え)
 4-7 Reacher(2関節を持つAgent)
 4-8 Crawler(6関節を持つAgent)
 4-9 BananaCollectors(模倣学習)
 4-10 Halloway(RNN(LSTM))
 4-11 Bouncer(On Demand Decision)
 4-12 SoccerTwos(Competitive Multi-Agent)
 4-13 Walker(13関節を持つAgent)
 4-14 Pyramids(ICM)

5章 新規ゲームの学習環境の構築
 5-1 三目並べ(完全情報ゲーム)
 5-2 ポーカーゲーム(不完全情報ゲーム)
 5-3 ロケットゲーム(カリキュラム学習)
 5-4 格闘ゲーム(模倣学習)
 5-5 自動運転シミュレーション(シミュレーション)

6章 Python APIとクラウド学習
 6-1 Jupyter Notebookの概要と基本操作
 6-2 Python APIの概要と使い方
 6-3 AWS(Amazon Web Services)によるクラウド学習

Unity ML-Agents実践ゲームプログラミング

Unity ML-Agents実践ゲームプログラミング

3,456 円(税込)

あなたにオススメの商品

最近チェックした商品