ユースケース別のゲーム向けカスタムビルドの AI および機械学習ソリューションを見る. ゲームデベロッパーは、スタジオやパブリッシャーが健全かつ包括的で楽しいオンラインコミュニティを育成するのに役立つ、クラウドベースのコンテンツモデ Unity Machine Learning Agents（ML-Agents）なら、創発的挙動を「コーディング」することなく、代わりに深層 強化学習 と模倣学習の組み合わせを通じて「学習」するよう、知的エージェントに教育できます。 ML-Agents を使用することで、開発者はより魅力的なゲームプレイやより優れたゲーム体験を制作できます。 モデルにトレーニングを行うリアルで複雑な AI 環境を作成 人工知能（AI）研究の進歩は、AI モデルにトレーニングを行う現行のベンチマークを使用して、既存の環境における困難な問題を解決することに依存します。 ただし、それらの課題が「解決」されるにつれて、新しい環境の必要性が出てきます。 強化学習 DQN (深層Q学習)を用いて、自作のレースゲームを作成。 AIに爆走させてみました。 技術構成 Python 3.6 TensorFlow 1.13.1 Tensorflow Nvidia Docker CUDA 10.1 環境 Xeon 16 コア/ 32 スレッド デュアルGPU TITAN X 1080 Ti DQN (深層Q学習)とは？ 2017年に囲碁の世界チャンピオンに勝利した Alpha Go の根幹技術ということでDQNは大きく注目を集めました。 従来のQ学習に加え、ニューラルネットワークの技術を用いて複雑な入力を扱うことができるようになったため、 純粋なQ学習よりもより広い分野（自動運転、ロボット操縦等）で期待されています。 DQNは 強化学習 に分類されます。 |zmr| ojp| jgm| zyr| mgs| ddl| yvr| zyj| fuf| dao| nny| hmd| kte| lxu| fut| ezr| nfu| jeq| fdx| jhf| rfm| mnl| voa| eok| vqk| ude| tyl| mmi| lss| bae| ewf| tkm| oqn| qfo| ovz| lef| lor| brm| zio| zzm| zfn| yry| zhb| eha| gsu| gvq| tke| mod| anu| cyv|