AIマリオで全クリを目指す「マリオAIチャレンジ」をはじめました - karaage. [からあげ]
マリオAIチャレンジ開催中 以前ブログ記事書きましたが、最近強化学習に興味を持っています。 上記のブログ記事でも少し触れていますが、強化学習を使ってマリオで全ステージクリアを目指す「マリオAIチャレンジ」というプロジェクトをしています。 GitHub Pagesのプロジェクトページは以下となります。 「マリオAIチャレンジ」に関して紹介してみたいと思います。 「マリオAIチャレンジ」とは 強化学習でゲームを解くというのは、昔からあるタスクで、スーパーマリオもその代表例としてよく取り上げられています。 例えば以下の論文でも、強化学習に「好奇心」という概念を導入してスーパーマリオをクリアするという試みがされています。 Curiosity-driven Exploration by Self-supervised Prediction またPyTorchの公式チュートリアルでもマリオをDQNで解
![AIマリオで全クリを目指す「マリオAIチャレンジ」をはじめました - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/032429d0c2c73b4c14a3a6a6f7830e47c0427cec/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20211230%2F20211230213947.gif)
20210122_DLLAB_講演資料_株式会社キカガク
Deep Learning Lab (DLLAB) 主催イベント DLLAB 強化学習 Day 2021 講演資料 『これから強化学習を学びたい人へ』 https://dllab.connpass.com/event/198873/
サッカーを強化学習する - 思考の本棚
はじめに この記事は強化学習苦手の会Advent Calenderの12日目の記事です。 私は11月末までKaggle上で開催されていたGoogle Research Football with Manchester City F.C.に参加していました。このコンペはGoogle Researchが用意したサッカーゲーム上でサッカーエージェント(プレイヤー)を作成し、その強さを競うというものです。 私はhigeponさんとチームを組ませていただき、強化学習アプローチでコンペ開催から終了まで取り組みました。そこでサッカーエージェントを強化学習で育成する際に工夫した点や苦労した点を共有できればと思います。 kaggle: Google Research Football competition www.kaggle.com GitHub: Google Research Football gi
強化学習の基礎と深層強化学習（東京大学 松尾研究室 深層強化学習サマースクール講義資料）
東京大学 松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です． 強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました． 主に以下のような強化学習の概念やアルゴリズムの紹介をしています． ・マルコフ決定過程 ・ベルマン方程式 ・モデルフリー強化学習 ・モデルベース強化学習 ・TD学習 ・Q学習 ・SARSA ・適格度トレース ・関数近似 ・方策勾配法 ・方策勾配定理 ・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験再生 ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois
ITエンジニアのための強化学習理論入門
2020年7月17日紙版発売 2020年7月17日電子版発売 中井悦司 著 A5判／296ページ 定価3,278円（本体2,980円＋税10%） ISBN 978-4-297-11515-9 Gihyo Direct Amazon 楽天ブックス ヨドバシ.com 電子版 Gihyo Digital Publishing Amazon Kindle ブックライブ 楽天kobo honto 本書のサポートページサンプルファイルのダウンロードや正誤表など この本の概要 前作の『ITエンジニアのための機械学習理論入門』から，5年経過しましたが，AI（人工知能）や機械学習に対しての期待と関心はまったく衰えません。むしろ機械学習の利用はIT業界で当然のものとなり，さらなる活用がさまざまな場所で行われています。前作では一般的な機械学習について解説しましたが，試行錯誤しながら1つの解をもとめていく「強化学
【強化学習】ついに人間を超えた！？Agent57を解説/実装してみた（Keras-RL） - Qiita
強化学習の評価でよく使われるAtariのゲームですが、ついに57全てのゲームで人間を超えた手法が現れたようです。 早速実装してみました。 ※ネット上の情報をかき集めて自分なりに実装しているので正確ではない点はご了承ください ※解釈違いの内容がある可能性もご注意ください（理解が追いついていない部分があります） コード全体 本記事で作成したコードは以下です。 github GoogleColaboratory(実行結果付き) ※GoogleColaboratoryはmultiprocessingの相性が悪いらしく1Actorのみの学習となります) ※MountainCarの学習をのせています 追記：自作フレームワークを作成しています。そちらの実装の方が正確なコードとなります。 目次 構成としては前半が技術解説で後半が実装の説明になります。 Agent57とは NGU(Never Give Up
エクストリーム「人類最強ボードゲームAI」AlphaZeroアルゴリズム入門 - Qiita
はじめに 僕が、この本に出会ったのは、かれこれ1ヶ月前のことになる。 それまでは、自分は「AlphaZero」のAの字も知らない「AlphaZero童貞」だった。 AlphaZero 深層学習・強化学習・探索 人工知能プログラミング実践入門 この本にであって、気づいたらAlaphaZeroを自分で実装するところまでいけた！ わかりやすい、大変オススメの本です。 (※この記事の図は、この本から引用しています。) この記事を読むことで、 「AlphaZeroのアルゴリズム概要はつかめた。」 というところまで、噛み砕いてエクストリームに説明できればと思います。(中田敦彦風) AlphaZeroのすごいところ まず、AlphaZeroをかいつまんで話すと ルールを与えるだけで、自分のコピーとひたすら対戦を繰り返し勝手に学習して、進化していく(強化学習と呼びます) いろんなゲームに転用可能 十分に学
これから強化学習を使いたい人向け、強化学習の基礎と論文紹介 - Qiita
実務でモデルフリー強化学習を活用しようとして勉強したことを書きます ドコモの先進技術研究所1年目の勝見と申します。今回は先輩から誘われて、アドベントカレンダーの記事の12日目を担当することになりました。本来は現在行っているデータ分析周りの業務になにか絡めて書けると良いのですが、残念ながらまだオープンにできるようなネタはありませんので、私が業務での実タスクに応用しようと検討を行っている強化学習（モデルフリー）の初学者向けの記事を自身のためのまとめも兼ねて、学習の過程で個人的に面白いなと感じたポイントを織り交ぜながら書こうと思います。 マルコフ決定過程 (Markov decision process) このあたりは多くの記事でも取り上げられているため今更感がありますが、強化学習をタスクに適用するために必要となる定式化について説明しておきます。 強化学習では取り扱う問題を、エージェントが起こし
強化学習 - 星の本棚
機械学習の一種である強化学習について勉強したことをまとめたノート（忘備録）です。 尚、ここで取り上げている各種強化学習手法の一部の手法の実装コードは、以下のレポジトリに保管してあります。 github.com 目次 [Contents] 強化学習のモデル化 エージェントと環境の相互作用 環境のマルコフ性 エピソード的タスクと連続タスク マルコフ決定過程（MDP） 価値関数 状態価値関数 行動価値関数 状態価値関数と行動価値関数の関係 ベルマン方程式 ベルマン最適方程式とグリーディーな選択 代表的な古典的強化学習手法の比較 強化学習における動的計画法（DP法） 反復法による近似解 方策評価 反復方策評価 方策改善 方策改善定理 方策改善定理とグリーディー方策 方策改善のアルゴリズム 方策反復法 [policy iteration] 価値反復法 [value iteration] 一般化方策反
強化学習を手を動かして学ぶ『Pythonで学ぶ強化学習』
機械学習スタートアップシリーズ Pythonで学ぶ強化学習 入門から実践まで (KS情報科学専門書) 目次 目次 はじめに 感想 読了メモ Day1 Day2 Day3 Day4 Day5 強化学習の問題点1 強化学習の問題点2 強化学習の問題点3 Day6 Day7 『Pythonで学ぶ強化学習』におすすめの副読素材 参考資料 MyEnigma Supporters はじめに 下記の通り、先日『Pythonで学ぶ強化学習』の著者の方々から、 献本をいただきました。 再び献本を頂きました😲『Pythonで学ぶ強化学習』の関係者の方々、ありがとうございます。機械学習は正直あまり詳しくないので、これを読んでAIエンジニアになれるように頑張ります。全編カラーで、コードも沢山あっていい感じです。じっくり読んで書評させて頂きます😀 #python Pythonで学ぶ強化学習 -入門から実践まで-
【3目並べで学ぶ強化学習】Q-LearningとDQNを徹底解説
【3目並べで学ぶ強化学習】Q-LearningとDQNを徹底解説：Web解析にも使える！ 強化学習超入門（2）（1/2 ページ） 3目並べで強化学習を行うと、どうなるのだろうか。強化学習のアルゴリズムの一つである「Q-Learning」を説明しつつ、Q-LearningにDeep Learningを組み合わせた「Deep Q-Network」を使って、強化学習を実装する方法を紹介する。 【おわびと訂正：2020年5月13日19時 本稿のサンプルのソースコードは「ChainerRLで三目並べを深層強化学習（Double DQN）してみた - Qiita」を引用して一部改変させていただいたものでした。該当箇所で、その旨の記載を追加しております。引用元の著者様、ならびに関係者の皆さまにおわび申し上げます。】 昨今、多くのサービスで活用され注目を集めている「機械学習」。その中から、2016年3月に
誰でも深層強化学習のスキルを身に付けて活用できるための教育リソース「Spinning Up」をOpenAIが発表
AI技術を理解するためには機械学習の知識を身に付ける必要があり、特に深層強化学習を理解して活用できるようになることが不可欠です。イーロン・マスク氏らが設立した人工知能を研究する非営利団体であるOpenAIは、深層強化学習を学んで誰もがプラクティショナー(活用者)になれるようにするための教育リソース「Spinning Up」を公開しました。 Spinning Up in Deep RL https://blog.openai.com/spinning-up-in-deep-rl/ テスラ・SpaceXなどを率いるイーロン・マスク氏やYコンビネータのサム・オルトマン氏らが設立したOpenAIは、AIが人類に害を及ぼすことなく、有益に利用されることを目的として掲げています。そんなOpenAIが発表したSpinning Upには、明解なサンプルコードや練習問題、参考文献、チュートリアルなどが含まれ
Amazonがラジコンカーを発売。なんでラジコン？
Amazonがラジコンカーを発売。なんでラジコン？2018.11.30 23:0037,463 岡本玄介 カメラが付いているほうがフロント？ オリジナル製品もいろいろ作っているAmazon（アマゾン）ですが、今度はラジコンカーを販売します。 でもAmazonといっても、発表したのは通販サイトではなくクラウド・コンピューティング・サービスAmazon Web Services（通称、AWS）。エンジニア向けにサービスを提供するAWSは、AIで自律運転するラジコン｢AWS DeepRacer｣を発表したのでした。 強化学習のためのプロダクトImage: Amazon via designboom magazineAmazonがしたいことはラジコンを作ることではありません。AWS DeepRacerは機械学習の一種である、強化学習（RL、reinforcement learning）を手を動かし
深層強化学習アルゴリズムまとめ
はじめに 深層強化学習の分野では日進月歩で新たなアルゴリズムが提案されています. それらを学ぶ上で基礎となるアルゴリズム(というより概念に近い？)はQ学習, SARSA, 方策勾配法, Actor-Criticの4つだと思われるので, これらを軸としてまとめてみたいと思います. 以下の4点はあらかじめご了承ください. コードは書いていません. 概念のみの説明です 他のアルゴリズムの基礎となりうる重要な概念については詳しく書きました. その他については簡潔に書きました 深層学習についてはある程度理解している読者を想定しています 書いているうちに規模がどんどん大きくなってしまったので, どこかに必ず間違いや不足があります. 「この式がおかしい！」「このアルゴリズムも追加するべき！」などコメントがあればぜひお願いします 全体像 扱うアルゴリズムを相関図にしてみました(私のイメージです). まず,
作りながら学ぶ強化学習 -初歩からPyTorchによる深層強化学習まで|Tech Book Zone Manatee
株式会社電通国際情報サービス ⼩川雄太郎 株式会社電通国際情報サービス（ISID）、技術本部 開発技術部に所属。ディープラーニングをはじめとした機械学習関連技術の研究開発・技術支援、およびHR techに関するデータ解析を業務とする。明石高専、東京大学工学部を経て、東京大学大学院新領域創成科学研究科、神保・小谷研究室にて、脳機能計測および計算論的神経科学の研究に従事し、2016年博士号（科学）を取得。東京大学特任研究員を経て、2017年4月より現職。JDLA DeepLearning for GENERAL 2017。 2018.04.03 作りながら学ぶ強化学習 -初歩からPyTorchによる深層強化学習まで 第15回 CartPole課題で深層強化学習DQNを実装 SEやプログラマ、エンジニア、一般の方を対象に、少しずつ実際にプログラムを作りながら、強化学習および深層強化学習について解
モンティ・ホール問題を機械学習（強化学習）で解く - Qiita
機械学習は、演繹的（論理学的）アプローチから、帰納的（統計学的）アプローチへのパラダイム転換なんだと私は考えています。 さて、論理的に考えて納得のいかない論理的解答と直感的解答の食い違う問題の代表選手が、モンティ・ホール問題といえるでしょう。今回は、この問題を機械学習（強化学習）の手法で統計的に解いてみたいと思います。 さらに、モンティ・ホール問題の本質に迫ってみたいと思います。 プレーヤーの前に閉まった3つのドアがあって、1つのドアの後ろには景品の新車が、2つのドアの後ろには、はずれを意味するヤギがいる。プレーヤーは新車のドアを当てると新車がもらえる。プレーヤーが1つのドアを選択した後、司会のモンティが残りのドアのうちヤギがいるドアを開けてヤギを見せる。 ここでプレーヤーは、最初に選んだドアを、残っている開けられていないドアに変更してもよいと言われる。プレーヤーはドアを変更すべきだろうか
Microsoftが公開したテキストアドベンチャーゲームで強化学習を行うためのツールTextWorldで人間が遊んでみた | DevelopersIO
Microsoftが公開したテキストアドベンチャーゲームで強化学習を行うためのツールTextWorldをAmazon SageMaker上にインストールして、自動生成されたゲームや既存のゲームを人間が遊んでみるための手順をご紹介します。 English version is here. はじめに 先月、Microsoftからテキストアドベンチャーゲームで強化学習を行うためのツールTextWorldが公開されました。 TextWorld: A learning environment for training reinforcement learning agents, inspired by text-based games - Microsoft Research テキストアドベンチャーゲームとは、アドベンチャーゲームと呼ばれるジャンルのコンピュータゲームの最もシンプルな形式で、物語の描
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
techcircle_openai_handson/README.md at master · icoxfog417/techcircle_openai_handson
Pythonで学ぶ強化学習 -入門から実践まで-を書きました
Amazonが開発者たちに機械学習を教えるために、縮小版自動運転車を発表 | TechCrunch Japan
