
Unity Machine Learning Agentの完全征服(アプリケーション)
kyushik
この講義では、マルチエージェント、カリキュラム学習、分散学習など、機械学習エージェントのさまざまな機能について学び、実際に使用することができます。また、好奇心に基づく探索や、可変的な入力にも対応可能な強化学習アルゴリズムについても学習できます。
Intermediate
Reinforcement Learning(RL), Unity, Unity ML-Agents
この講義を通じて、受講生は様々な強化学習の理論を学習し、これを直接実装するだけでなく、ユニティ機械学習エージェントを利用して実装した強化学習アルゴリズムをテストしてみる強化学習環境まで直接製作してみることができます。
受講生 501名

Unity開発
Unity 機械学習エージェント
強化学習環境制作
強化学習理論
強化学習コードの実装
強化学習環境の実施、
Unityで簡単で便利に!
2016年にアルファゴが大きな衝撃を与えて以来、アルファゴに適用されたと知られている強化学習(Reinforcement Learning)への関心が大きく高まり、その熱気はまだまだ熱いようです。この強化学習を構成する大きな要素は、以下のように強化学習アルゴリズムと強化学習環境です。これら2つが互いに行動、状態、報酬などの情報をやり取りしながら、強化学習アルゴリズムが学習を遂行するようになります。
アルファゴ以来、強化学習アルゴリズムは本当に多くの進歩を遂げてきました。これに合わせて、OpenAI GYM、Mujoco、Atari、GTA5、Malmoなど、さまざまな種類の強化学習環境も公開されてきました。これらの環境はほとんどゲームに基づく環境です。強化学習はゲームに適用するのに良いアルゴリズムが明らかですが、最近の強化学習をゲームだけでなく、推薦、ロボット、ドローン、エネルギー、金融など、さまざまな分野に適用しようとする試みが増えています。
しかし、このようなさまざまな分野の強化学習環境は依然として不足しています。特に、開発者が望む具体的な仕様を正確に満たす環境が公開されることは期待しにくいです。あなたが強化学習を適用したい特定のセンサー構成と関節構造を持つロボット環境があるとしても、その分野の公開された強化学習環境がなければ研究を始めることは不可能かもしれません。
環境について
修正
難しい
環境ごと
使い方
違い
必要
環境
ないかもしれない
しかし、2017年9月、世界最大のゲームエンジン会社の1つであるUnityで、このような悩みを解決してくれるUnity Machine-Learning Agentというツールを公開しました。
本講義では、このユニティマシンラーニングエージェントを利用して様々な強化学習環境を直接実装する方法を学ぶだけでなく、その環境に適用する強化学習アルゴリズムの理論、コード実装まで進める予定です。
本講義の内容には、下記の本「パイトーチとユニティML-Agentsで学ぶ強化学習」の本の内容と同じ内容が含まれています!受講前に該当事項についてご留意いただきありがとうございます!
Unity Machine Learning Agent完全征服講義の全内容は基礎編と応用編に分かれて進行され、今回の講義はこのうち基礎編内容です。基礎編で調べる具体的な内容は次のとおりです。
今回の講義を通じて制作する環境と学習するアルゴリズムのコードは、羽毛ハブにすべて含まれています。
以下の画像は、今回の講義を通じて直接実装してみる強化学習環境と、これを皆さんが実装する強化学習アルゴリズムを通じて学習した結果です。
グリッドワールド環境を作成する
ドローン環境を作る
カートレーシング環境を作成する
Q. Unityを使ったことがないのに受講しても大丈夫でしょうか?
Unityを初めて使ってみる方も講義に簡単に従うことができるように、設置から始めて簡単な環境を直接作る過程までじっくりと内容を進めます。 Unityの内容だけを詳しく扱うことはありませんが、講義を受講したら、アセットストアにあるアセットを利用して環境を制作したり、簡単な環境を直接作って強化学習環境を作ることができます。
Q. 機械学習エージェントを使用するためには、強化学習内容を必ず知っておく必要がありますか?
機械学習エージェントは基本的に強化学習をサポートするツールなので、強化学習の基本的な概念は知っておくと、より簡単に機械学習エージェントを使用できます。ただし、Unity Machine Learning Agentでさまざまな強化学習アルゴリズムを提供して、これを利用して強化学習環境でエージェントの学習を進めることもできるため、その機能を利用する場合、強化学習についての深い知識がなくても、簡単に機械学習エージェントを使用することができます。
Q. 講義を受講するには、ディープラーニングの深い理解や多くの実装経験が必要でしょうか?
PytorchでMNISTデータを分類するモデルを直接実装してみた程度であれば、大きな難なく講義を受講できると思います。そして、もしTensorflow 2.xバージョンを使ってみた方でも、Pytorchの基礎だけを勉強すれば、難なく講義を受講することができると思います。
学習対象は
誰でしょう?
強化学習環境の開発に興味のある開発者
強化学習の理論と実施に興味がある学生と研究者
前提知識、
必要でしょうか?
PythonとPyTorchの使用経験
基本的なディープラーニング理論(ANN、CNN)
全体
38件 ∙ (7時間 18分)
講座資料(こうぎしりょう):
全体
24件
4.2
24件の受講レビュー
受講レビュー 1
∙
平均評価 5.0
5
非専攻、文科生の簡単なレビュー "初心者には広い視野と知識を、その他の方には強化学習とユニティハニーチップを得ることができる講義" 以前は本も購入しましたが、映像講義があるというニュースにかかってきました…! ユニティ環境制作、強化学習理論、実習など、本当に充実している講義です。 大きく見ても、2つの分野を細かく教えてくれる講義は本当に一般的ではありません(実はありません…ねぇ)。それに加えて、単純強化学習理論だけでなく、実習、ユニティ環境構築の蜂蜜チップまで、細部の内容が本当に多彩です。 特に単純に文だけあるよりUnityでシミュレーションを進めるので楽しくながらも私がマシンラーニングエージェントを作ることができるんだな…。考えがたくさん聞きました!購入をお悩みの方は、私は購入強力おすすめです!!
受講レビュー 1
∙
平均評価 5.0
受講レビュー 10
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
5
Unityで学習環境を構成することで、強化学習の実施に全般的な理解ができました。まだUnityでスクリプトの実行にエラーが発生していますが、今後は次第に良くなるでしょう。
こんにちは!良い受講評を残してくれてありがとう! Unityスクリプトでどのようなエラーが発生しますか?質問欄に載せていただければ、できるだけ早くお答えします! :)
¥8,209
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!