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

「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。

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（Reque

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。