机器学习实用仿真技术

作者简介

Paris Buttfield-Addison是游戏设计师、计算研究员和法律精英。他还是游戏开发工作室Secret Lab的联合创始人。Mars Buttfield-Addison是塔斯马尼亚大学计算和机器学习研究员。Tim Nugent是移动端应用开发者、游戏设计师和计算研究员。Jon Manning是软件工程专家，精通Swift、C#和Objective-C。他同为Secret Lab的联合创始人。他开发的对话框架Yarn Spinner广泛应用于游戏开发。

内容简介

编辑推荐 仿真和合成是未来人工智能和机器学习的核心部分。试想程序员、数据科学家和机器学习工程师无需汽车就能开发自动驾驶汽车的大脑，该是多么了不起的成就。用仿真技术合成人造数据，训练传统机器学习模型，可摆脱对真实世界信息的依赖。这一切才刚刚开始。 这本实用宝典将带你探索基于仿真和合成的机器学习和人工智能，重点介绍两大技术在强化学习和模仿学习中的应用。人工智能和机器学习受数据驱动的趋势日益明显。仿真技术不仅强大，而且魅力无穷，有望释放两者的全部潜能。 专家推荐 “当今时代，数据需求旺盛，数据获取却不易。创建高保真仿真环境，跟开展更强大的研究和开发机器学习应用之间的联系，比以往更紧密。本书是机器学习研究员和Unity开发者进入这一领域的敲门砖。” ——Dominic Monn 机器学习工程师

书籍目录

目录
前言 1
第一部分 仿真和合成基础
第1 章 仿真和合成简介 11
11 机器学习全新天地 12
12 研究领域12
121 仿真 13
122 合成 14
13 工具 14
131 Unity 14
132 用Unity ML-Agents 调用PyTorch 16
133 Unity ML-Agents Toolkit17
134 Unity Perception 包 17
14 技术 18
141 强化学习 18
142 模仿学习 19
143 混合学习 20
144 技术小结 21
15 项目 22
151 仿真项目 22
152 合成项目 23
16 小结和下一步学习内容 23
第2 章 创建首个仿真作品 25
21 人人都记得其首个仿真作品 25
22 仿真作品26
23 开始动手27
24 创建Unity 项目 29
25 ML-Agents 包 33
26 环境 34
261 地板 34
262 目标 36
27 智能体 37
271 启动和停止智能体 41
272 让智能体观察环境 45
273 让智能体在环境采取行动 45
274 奖惩智能体行为 46
275 修饰智能体 47
276 为智能体提供人工控制系统 50
28 训练仿真智能体 52
281 用TensorBoard 监控训练 54
282 训练结束 55
29 我们讲了这么多，到底是什么意思？ 58
210 下一步学习内容 62
第3 章 首次合成数据 63
31 Unity Perception 包 63
32 数据合成过程 64
33 创建Unity 项目 66
34 创建场景72
341 获取骰子模型 72
342 创建简易场景 72
35 准备合成78
351 测试合成情景 82
352 设置标签 84
353 检查标签 86
36 下一步学习内容 87
第二部分 为乐趣和收益而模拟世界
第4 章 创建更高级仿真体 91
41 推块机搭建步骤 92
42 创建Unity 项目 92
43 环境 92
431 地板 93
432 墙体 95
433 方块 99
434 目标 100
435 智能体 103
436 环境 110
44 训练和测试 117
第5 章 开发自动驾驶小车 119
51 搭环境 120
511 轨道 121
512 小车 127
513 机器学习配置 130
52 训练仿真体 140
521 训练 141
522 训练结束 143
第6 章 模仿学习简介 145
61 仿真环境146
611 创建地面 147
612 制作目标 148
613 小球智能体 152
614 摄像机 154
62 搭建仿真155
621 智能体组件 156
622 添加启发式控制 159
623 观察项和目标 161
63 生成数据和训练 163
631 生成训练数据 163
632 做好配置，准备训练164
633 模型，开训 166
634 用训好的模型运行 167
64 理解和使用模仿学习 168
第7 章 高级模仿学习 169
71 初识GAIL 169
72 按我言行行事 171
721 GAIL 情景 171
722 修改智能体的动作 174
723 修改观察项 176
724 重置智能体 177
725 更新智能体属性 178
726 演示时间 178
73 用GAIL 训练 179
74 运行智能体和后续工作 182
第8 章 课程学习简介 185
81 机器学习领域的课程学习 186
82 课程学习情景 188
83 在Unity 开发 189
831 创建地面 190
832 创建目标 190
833 智能体 191
84 搭建仿真项目 192
841 让智能体名副其实 192
842 动作 194
843 观察项 199
844 人工启发式控制 199
85 创建课程202
851 重置环境 202
852 课程配置 203
86 训练 207
87 运行 207
88 课程和其他方法的对比 209
89 下一步学习内容 210
第9 章 合作学习 211
91 合作学习仿真项目 211
911 在Unity 搭环境 212
912 编码实现智能体 221
913 编写环境管理器 224
914 编写方块代码 230
915 完善环境和智能体 232
92 训练智能体，使其学会合作 239
93 多智能体合作或单一巨智能体 240
第10 章 摄像机在仿真项目的应用 243
101 观察项和摄像机传感器 243
102 构建只有摄像机的智能体245
1021 编码实现只使用摄像机的智能体 246
1022 为智能体添加新摄像机 251
1023 见智能体之所见 253
103 训练基于摄像机的智能体258
104 摄像机和你自己 260
第11 章 当ML-Agents 遇到Python 263
111 Python 一路下潜 263
112 试验环境 264
113 用Python 能做什么？ 271
1131 使用自己环境 271
1132 完全自定义训练 276
114 用Python 有什么意义？ 278
第12 章 仿真方法揭秘 281
121 超参数（和普通参数） 282
1211 参数 282
1212 奖赏参数 283
1213 超参数 285
122 算法 286
123 Unity 推断引擎和集成功能 288
1231 使用ML-Agents Gym Wrapper 289
1232 侧通道 292
第三部分 用合成数据获得真实结果
第13 章 创建更高级的合成数据 297
131 为场景添加随机元素 297
1311 地板颜色随机化 298
1312 摄像机位置随机化 300
132 下一步学习内容 304
第14 章 合成商品图像 307
141 创建Unity 环境 307
142 Perception Camera 311
143 逐步提高图像合成质量 325
144 使用合成数据 326