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