Ervin Teng
db249ceb
|
5 年前 | |
|---|---|---|
| .. | ||
| docs | 5 年前 | |
| README.md | 5 年前 | |
README.md
Unity ML-Agents 工具包(Beta) v0.3.1
注意: 本文档为v0.3版本文档的部分翻译版，目前并不会随着英文版文档更新而更新。若要查看更新更全的英文版文档，请查看这里。
Unity Machine Learning Agents (ML-Agents) 是一款开源的 Unity 插件， 使得我们得以在游戏环境和模拟环境中训练智能 agent。您可以使用 reinforcement learning（强化学习）、imitation learning（模仿学习）、neuroevolution（神经进化）或其他机器学习方法， 通过简单易用的 Python API进行控制，对 Agent 进行训练。我们还提供最先进算法的实现方式（基于 TensorFlow），让游戏开发者和业余爱好者能够轻松地 训练用于 2D、3D 和 VR/AR 游戏的智能 agent。 这些经过训练的 agent 可用于多种目的， 包括控制 NPC 行为（采用各种设置， 例如多个 agent 和对抗）、对游戏内部版本进行自动化测试、以及评估不同游戏设计决策的预发布版本。ML-Agents 对于游戏开发者和 AI 研究人员双方 都有利，因为它提供了一个集中的平台， 使得我们得以在 Unity 的丰富环境中测试 AI 的最新进展， 并使结果为更多的研究者和游戏开发者所用。
功能
- 用于控制 Unity 环境的 Python API
- 10 多个示例 Unity 环境
- 支持多种环境配置方案和训练方案
- 使用 deep reinforcement learning（深度强化学习）技术训练带记忆的Agent
- 可轻松定义的 Curriculum Learning（课程学习）方案
- 通过广播 Agent 行为实现监督学习
- 内置 Imitation Learning（模仿学习）支持
- 通过按需决策功能实现灵活的 Agent 控制
- 在环境中可查看神经网络的输出
- 通过 Docker 实现简化设置（测试功能）
文档和参考
**除了安装和使用说明外，如需更多信息， 请参阅我们的文档主页。**如果您使用的 是 v0.3 之前的 ML-Agents 版本，强烈建议您参考 我们的关于迁移到 v0.3 的指南。
我们还发布了一系列与 ML-Agents 相关的博客文章：
- reinforcement learning（强化学习）概念概述 (多臂强盗 和 Q-learning)
- 在实际游戏中使用机器学习 Agent：初学者指南
- 文章公布我们 第一个 ML-Agents 挑战的获胜者
- 文章 概述如何利用 Unity 作为模拟器来设计更安全的城市。
除了我们自己的文档外，这里还有一些额外的相关文章：
社区和反馈
ML-Agents 是一个开源项目，我们鼓励并欢迎大家贡献自己的力量。 如果您想做出贡献，请务必查看我们的 贡献准则和 行为准则。
您可以通过 Unity Connect 和 GitHub 与我们以及更广泛的社区进行交流：
- 加入我们的 Unity 机器学习频道 与使用 ML-Agents 的其他人以及对机器学习充满热情的 Unity 开发者 交流。我们使用该频道来展示关于 ML-Agents （在更广泛的范围内，还包括游戏中的机器学习）的最新动态。
- 如果您在使用 ML-Agents 时遇到任何问题，请 提交问题并 确保提供尽可能多的详细信息。
对于任何其他问题或反馈，请直接与 ML-Agents 团队联系， 电子邮件地址为 ml-agents@unity3d.com。