タグ 強化学習 が登録されている動画 : 47 件中 33 - 47 件目
種類:
- タグ
- キーワード
対象:
【強化学習】格闘技を学んだAIは素人をボコボコに出来るのか【喧嘩AI】
久しぶりの動画です。前回から一か月くらい空いていました。
最近はよく他のvtuberさんの配信を見てることが多くて無限に時間が消えていきます。一般vtuberオタクと化している…
あとは液タブの商品レビューをめっちゃ見てます。かずみは絵を描く習慣とかはなくて、せいぜいモデルを作る時に下絵を描いたりテクスチャを塗るくらい(そもそもモデルも最近はあんまり作ってない)なのですが、めちゃくちゃほしくなってきました。
最近は安いやつなら2~4万くらいで買えるらしいので、割と買えないことはないのかなと思ったり…。でも衝動買いはやっぱりよくないので、もし一か月後も欲しかったら買おうかなと今のところ考えています。
実は3Dプリンターを衝動買いしてしまったのですが、2,3個モノを作って全然使わなくなってしまった…本当にもったいない。いつか動画のネタにしたいと思ってます。
以上最近のエンジンかずみでした。またね。
twitter
https://twitter.com/Engine_Kazumi
使用音源様
フリーBGM DOVA-SYNDROME 様 https://dova-s.jp/
On-Jin~音人~様 https://on-jin.com/
効果音ラボ様 https://soundeffect-lab.info/
らくとあいす様(Twitter:rakuraku_vtube)よりED曲「おつかずみ」
[日本語字幕]深層強化学習AIの人間を凌駕するパフォーマンス in グランツーリスモSPORT
YouTubeより。チューリッヒ大学とソニー・ヨーロッパが共同で行った深層強化学習AIの研究です。
研究にはPS4用ゲームソフト、グランツーリスモSPORTが使用されました。
日本語字幕をつけてみましたが、間違っていましたら申し訳ございません…
研究の全容はこちらのPDFに記述されています。(英語)
https://arxiv.org/pdf/2008.07971.pdf
Original Video: https://www.youtube.com/watch?v=Zeyv1bN9v4A
グランツーリスモ・マイリスト: mylist/58252901
【強化学習】人工知能にチョコを届けてもらおう【バレンタイン】
今回はバレンタインあるあるということで、自分でチョコを渡しに行きたくないから代わりにAIを強化学習してチョコを渡しに行ってもらいました。
なんかふわっとした内容になってますがよろしくお願いします。
【AC6】あのAIをガチ再現してみた結果・・・
エイプリルフールなので
https://www.youtube.com/watch?v=9R2s_2Df00w
今まで作ったやつ
mylist/66229484
ささやき声化AI作ってみた
sm43125265
AIのホームランダービー!
sm36450121
hobosore
https://twitter.com/hobosore
https://github.com/hobosore
https://domainboy.site/
https://fantia.jp/fanclubs/182898
【物理エンジン】自作ゲームでAIと勝負したら強すぎた
強化学習 PPO
Twitter:https://twitter.com/PhysicsKJ
Twitter ID:@PhysicsKJ
使用ソフト
・Unity(メイン)
・Blender(アニメーション、骨格作成)
・Sculptris(3Dモデリング)
・Tinkercad(3Dモデリング)
使用させて頂いた音源
MusMus:http://musmus.main.jp/
Music is VFR:http://musicisvfr.com/
フリー効果音 On-Jin ~音人~:http://on-jin.com
マインクラフトに強化学習搭載の執事Mobを作ってみた.
卒業研究でマインクラフトに強化学習を搭載した味方Mobを作ってみました.
プレイヤーの周囲の状況に応じて,どの敵を攻撃するかを学習しています.
動画の作り方については慣れてないので,イケてない点についてはご容赦を.
その他の卒業研究はこちら mylist/42793749
【物理エンジン】瞬時に重心を見つけてバランスを取るAIを作ろうとした【強化学習】
YouTube版
https://www.youtube.com/watch?v=gNSlroE_tHY
Twitter:https://twitter.com/PhysicsKJ
Twitter ID:@PhysicsKJ
使用ソフト
・Unity(メイン)
・Blender(アニメーション、骨格作成)
・Sculptris(3Dモデリング)
・Tinkercad(3Dモデリング)
・Mixamo(アニメーション)
使用させて頂いた音源
MusMus:http://musmus.main.jp/
Music is VFR:http://musicisvfr.com/
フリー効果音 On-Jin ~音人~:http://on-jin.com
スマートフォンで人工生命数十体がリアルタイムに学習可能な深層強化学習
SIGGRAPH 2018 Studio で発表する論文 “Real-Time Motion Generation for Imaginary Creatures Using Hierarchical Reinforcement Learning” のデモビデオです。
強力な計算機を使わず、スマートフォン上でも、様々な身体形状をもつ数十体の人工生命が、最適な動き方と行動の計画をリアルタイムに学習して実行することができる手法を提案します。
また、このアルゴリズムを誰もがUnity上で利用できるように、オープンソース化し、手元で実行可能なデモアプリケーションを公開しています。
SIGGRAPHの会場では、さらに来場者が複数の生命を配合して新たな身体形状の生命を誕生させ、多様性が広がっていくデモンストレーションを行います。
研究の詳細や、手元で実行可能なデモはこちらをご覧ください
https://dmv.nico/ja/casestudy/rlcreature/
論文はこちら https://dmv.nico/assets/img/casestudy/rlcreature/siggraph2018_rlcreature.pdf
Unity向けOSSはこちら https://github.com/dwango/RLCreature
AIが攻略するモトクロスマニアックス!
初レースゲームAIです
実況:VOICEVOX ずんだもん
注意事項:
この動画は以下の要素を含みます 苦手な方はブラウザバック推奨です
・ボイスボックス実況
・AIによるプレイ
・エミュレータの使用、ROM吸出し機の使用
【Unity,ML-Agents】簡単な設定方法と学習方法
音楽、Music:魔王魂
https://maoudamashii.jokersounds.com/
BGM:bgm_maoudamashii_8bit17.mp3:のどかなみどり (魔王魂)
https://maoudamashii.jokersounds.com/archives/bgm_maoudamashii_8bit17.html
Blog
https://akasatanahama.com/
Twitter
https://twitter.com/fullNam35087976/
Github
https://github.com/shaieaokamodkijiadjfoa/
【AI】Unity ML-Agents(深層強化学習ライブラリ)を使ったカーレース学習
ML-Agentsでカーレース学習テストです。左直線通過時のクセがすごい
学習するたびにいろんなクセで個性が出ます。全てはAIの判断です
最近見た行列積の話
初動画制作なので初投稿です。
なんかオタク特有の「一方通行で胡乱なトークしたい」欲が抑えきれなくなったので……
■ ご紹介した文献 ■
・"Discovering faster matrix multiplication algorithms with reinforcement learning" ( https://www.nature.com/articles/s41586-022-05172-4 , https://github.com/deepmind/alphatensor )
・"Most tensor problems are NP-hard" ( https://arxiv.org/abs/0911.1393 )
■ 利用させていただいたリソース ■
・VOICEVOX:雨晴はう https://voicevox.hiroshiba.jp/
・そのほかコンテンツツリーをご覧ください
セフィロスに歩き方を学習させてみた【機械学習】【セフィロスファン激怒】
セフィロスファンの方すいません
お借りしました→sm31373741
unity ml-agents オリジナル学習環境の強化学習AIのトレーニング、上手くいかんな―…
オレンジ色の箱を取得し続ける(ようにしたい)
(補助動画2)スマートフォンで人工生命数十体がリアルタイムに学習可能な深層強化学習技術
デモビデオ so33629687 の補助動画です。
強化学習部(Decision-Maker)の実験として、フードの獲得量を最大化するようにエージェントを学習させたものです。
学習したエージェント(青)は,高くて届かないフード(赤)は無視して地面にあるフード(緑)を効率的に取るように行動計画を決めます。
学習しないでルール通りにフードに向かって進むエージェント(黄)は,高くて届かないフード(赤)にトラップされて動けなくなります。
研究の詳細はこちらをご覧ください https://dmv.nico/ja/casestudy/rlcreature/