Unity 机器学习代理工具包 (ML-Agents) 是一个开源项目,它使游戏和模拟能够作为训练智能代理的环境。
您最多选择25个主题 主题必须以中文或者字母或数字开头,可以包含连字符 (-),并且长度不得超过35个字符
 
 
 
 
 
Arthur Juliani e952dedf updated the tfsharp links (#1181) 6 年前
..
docs updated the tfsharp links (#1181) 6 年前
README.md Release v0.5 (#1202) 6 年前

README.md

Unity ML-Agents 工具包(Beta)

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:

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。

许可证

Apache 许可证 2.0