Unity ML-Agents実践ゲームプログラミング v1.1対応版

通常価格 ¥3,960

税込 配送料は購入手続き時に計算されます。
ついに正式版が登場へ!ゲーム開発にAIを活用しよう
書籍名:Unity ML-Agents実践ゲームプログラミング v1.1対応版 刊行予定日:2020年8月上旬 著者:布留川 英一 定価:3,600円+税 ISBN:978-4-86246-482-8 サイズ:B5変形判 ページ数:368ページ、オールカラー 発行:株式会社ボーンデジタル 【書籍内容紹介】 「Unity ML-Agents」は、2017年秋にv0.1として登場以降、順調にバージョンアップを重ね、2020年5月についに正式版となりました。今後は、Unityの中核機能の1つになると予想されています。 本書は、2018年7月に刊行した前書(v0.4に対応)を、正式版に合わせて全面的に改訂したものです。 Unity ML-Agentsは、多くのAIプログラミングで必須となる「Python」のコーディングを必要とせず、Unity ML-Agentsの仕組みに沿って、通常のゲーム開発同様にC#によるコーディングで完結できることが大きな特徴です。 本書では、これからゲームAIについて学びたい方から読んでいただけるように、機械学習の基礎から学習環境の構築、付属サンプルによるさまざまな学習方法の解説などを、ステップ・バイ・ステップで実践的に習得できるように構成しています。 また、実際の開発現場でゲームAIを活用するためのサンプルとして、Unityが無償で公開しているゲームを使って、「テストの自動化」「ゲームバランスの調整」「より自然な振る舞いを行うNPC」「人間の代わりとなる対戦相手」をAIとして実装したサンプル事例も紹介しています。 本書は、基礎から実践まで網羅しており、これからゲームAIにチャレンジしたい方にお勧めしたい1冊です。 ※PDF版も同時発売いたします。価格は紙版と同じ3,600円+税です。 【著者について】 布留川 英一(ふるかわ ひでかず) 1975年生まれ。群馬県出身。会津大学コンピュータ理工学部コンピュータソフトウェア学科卒。 1999年、「JAVA PRESS」(技術評論社)にて、携帯アプリの開発方法の連載を開始。2001年、株式会社ドワンゴにて、世界初のJava搭載携帯電話「503i」のローンチタイトル「サムライロマネスク」の開発に携わる。以後、携帯電話・スマートフォン・ロボットなど新ハードの新機能を活用したアプリを作りつつ、技術書を書き続け、20年で40冊ほど。現在はギリア株式会社にて、ヒトとAIの共生環境の実現を目指して、人工知能の研究開発に取り込んでいる。 主な著書は「OpenAI Gym/Baselines 深層学習・強化学習 人工知能プログラミング実践入門」(ボーンデジタル/2020年刊)「AlphaZero深層学習・強化学習・探索 人工知能プログラミング実践入門」「iPhone/Androidアプリ開発者のための機械学習・深層学習 実践入門」(ボーンデジタル/2019年刊)、「Unityではじめる機械学習・強化学習 Unity ML-Agents 実践ゲームプログラミング」(ボーンデジタル/2018年刊)、「Unityゲーム プログラミング・バイブル」(共著、ボーンデジタル/2018年刊)など。 【目次】 1章 機械学習とUnity ML-Agentsの概要  1-1 人工知能と機械学習  1-2 教師あり学習と教師なし学習と強化学習  1-3 強化学習  1-4 強化学習の学習アルゴリズム  1-5 Unity ML-Agentsの概要  1-6 Unity ML-Agentsの学習シナリオ 2章 はじめての学習環境の作成  2-1 開発環境の準備  2-2 プロジェクトの準備  2-3 はじめての学習環境の作成  2-4 学習と推論  2-5 学習の高速化 3章 Unity ML-Agentsの基礎  3-1 状態と観察  3-2 行動  3-3 報酬とエピソード完了  3-4 決定  3-5 訓練設定ファイル  3-6 mlagents-learn  3-7 TensorBoard 4章 さまざまな学習方法  4-1 SAC  4-2 Discrete  4-3 Visual Observation  4-4 Raycast Observation  4-5 セルフプレイ  4-6 Curiosity  4-7 模倣学習  4-8 LSTM(Long Short-Term Memory)  4-9 カリキュラム学習  4-10 環境パラメータのランダム化  4-11 Observable属性 5章 サンプルの学習環境  5-1 サンプル学習環境の準備  5-2 FoodCollector(Observation)  5-3 GridWorld(Visual Observation)  5-4 PushBlock(Raycast Observation)  5-5 Tennis(セルフプレイ①)  5-6 Soccer(セルフプレイ②)  5-7 Pyramids(Curiosity・模倣学習)  5-8 Hallway(LSTM)  5-9 WallJump(カリキュラム学習)  5-10 3DBall(環境パラメータのランダム化)  5-11 Bouncer(RequestDecision)  5-12 Reacher(多関節の学習①)  5-13 Worm(多関節の学習②)  5-14 Crawler(多関節の学習③)  5-15 Walker(多関節の学習④)  5-16 Basic(カスタムセンサーコンポーネント) 6章 ゲーム開発における強化学習の活用  6-1 ゲーム開発での強化学習エージェントの活用  6-2 Flappy Bird Style-テストの自動化  6-3 3D Game Kit Lite-コンテンツのバランス調整のサポート  6-4 Puppo, The Corgi-より自然な振る舞いを行うNPC  6-5 Karting Microgame-人間の代わりとなる対戦相手  6-6 Unity Analyticsによるエージェントの行動解析 7章 Python APIを使った学習環境の構築  7-1 Python APIを使った学習  7-2 Gymラッパー  7-3 Python Low Level API  7-4 サイドチャネル  7-5 カスタムサイドチャネル
書籍の詳細情報は、この出版元の ウェブサイト をご覧ください。