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!
書籍名:Unity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 刊行予定日:2018年7月中旬 著者:布留川 英一 定価:本体3,200円 + 税 ISBN:978-4-86246-418-7 サイズ:B5変形版 ページ数:296 ページ 発行:株式会社ボーンデジタル 【本書の特徴】 いま話題の「機械学習」「ディープラーニング」をUnityでのゲーム制作で活用するためのはじめての書籍です。「Unity ML-Agents」を使うことで、敵キャラクターのアルゴリズムをプログラマーが記述することなく、強化学習を行わせることで、最適な動作を行えるAIキャラクターを簡単に作成することができます。 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。 【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。2000年より株式会社ドワンゴにて、携帯アプリの研究開発に携わる。2005年より株式会社UEIにて、スマートフォン、二足歩行ロボット向けのアプリを開発。2013年、ハイパーテキストタブレット端末「enchantMOON」の開発に参加。近年は、人工知能、VR、AR の研究開発に従事。 「Unityゲーム プログラミング・バイブル」(ボーンデジタル/2018年刊)、「Androidプログラミングバイブル」(ソシム/2017年刊)など、プログラミング関連を中心に著書多数。 【目次】 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) 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
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。
書籍名:Unity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 刊行予定日:2018年7月中旬 著者:布留川 英一 定価:本体3,200円 + 税 ISBN:978-4-86246-418-7 サイズ:B5変形版 ページ数:296 ページ 発行:株式会社ボーンデジタル 【本書の特徴】 いま話題の「機械学習」「ディープラーニング」をUnityでのゲーム制作で活用するためのはじめての書籍です。「Unity ML-Agents」を使うことで、敵キャラクターのアルゴリズムをプログラマーが記述することなく、強化学習を行わせることで、最適な動作を行えるAIキャラクターを簡単に作成することができます。 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。 【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。2000年より株式会社ドワンゴにて、携帯アプリの研究開発に携わる。2005年より株式会社UEIにて、スマートフォン、二足歩行ロボット向けのアプリを開発。2013年、ハイパーテキストタブレット端末「enchantMOON」の開発に参加。近年は、人工知能、VR、AR の研究開発に従事。 「Unityゲーム プログラミング・バイブル」(ボーンデジタル/2018年刊)、「Androidプログラミングバイブル」(ソシム/2017年刊)など、プログラミング関連を中心に著書多数。 【目次】 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) 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
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。