Unity ML-Agents 実践ゲームプログラミング v2.2 対応版

技術革新に乗り遅れるな!AI 活用でナンバーワン・ゲームを目指そう 本書は、 2020 年 8 月に刊行した「 v1.1 対応版」を最新版へのアップデートを行った改訂版です。 「 Unity ML-Agents 」 (Unity Machine Learning Agents) は、 Unity で「機械学習」の環境を構築するためのフレームワークです。ゲームに登場するキャラクターを「強化学習」で鍛えることで、人間の代わりになる対戦相手としたり、ゲームバランスの評価に活用したりなど、ゲーム AI はさまざまなゲーム制作の場面で活用することができます。 本書では、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、 AI を組み込んで活用する応用事例も多数掲載しており、ゲーム開発の現場ですぐに役立てることができます。 第 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 Unity ML-Agents の概要 第 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 第 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 学習設定ファイル 3-6 mlagents-learn 3-7 TensorBoard 第 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 第 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 3DBall 5-3 GridWorld 5-4 PushBlock 5-5 Pyramids 5-6 WallJump 5-7 Hallway 5-8 Worm 5-9 Crawler 5-10 Walker 5-11 FoodCollector 5-12 Basic 5-13 Match3 5-14 Sorter 5-15 Soccer 5-16 CooperativePushBlock 5-17 DungeonEscape 第 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 ジャンプゲーム - テストの自動化 6-3 障害物避けゲーム - 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 ドッジボール - 人間の代わりとなる対戦相手 6-6 AI ロボットサッカー - ロボットの強化学習 第 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