Unity ML-Agents実践ゲームプログラミング v1.1対応版

Unity ML-Agents実践ゲームプログラミング v1.1対応版

拡大画像を見る

  • NEW
978-4-86246-482-8

Unity ML-Agents実践ゲームプログラミング v1.1対応版

販売価格:3,960 円(税込)
通常価格:3,960 円(税込)

ポイント:0 Pt

個  数

カゴに入れる

会員登録後、購入された方に180ポイントを進呈いたします。手動でポイントを付加するため、数日かかります。



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。

この商品に対するお客様の声

新規コメントを書き込む

LOGIN
アドレス
パスワード

パスワードを忘れた方はこちら

CART
商品数:
0点
合計:
0円

カゴの中へ

SEARCH

商品カテゴリから選ぶ

商品名を入力