福建快3投注

幻维奇迹

  • 源自名校
  • 学院资质
18062053775

Unity发布机器学习工具ML-Agent,可大幅提高NPC的“智商”

小维 发布于:2017-10-23 10:19

没听过Unity没关系,你肯定对王者荣耀、纪念碑谷、神庙逃亡2、Pokémon GO等游戏了如指掌。没错,Unity就是它们的游戏引擎。

今天,Unity宣布推出Unity Machine Learning Agent(ML-Agent),将游戏引擎连接到谷歌TensorFlow等机器学习框架中。通过深度强化学习算法,让非玩家角色(NPC)通过不断尝试和犯错,变得更有创造性和策略性。

在游戏开发的过程中,既不能让玩家因过于简单而无聊,也不能因难度太高丧失玩家兴趣。Unity开发者Arthur Juliani表示,Unity的ML-Agent将帮助增加游戏的可玩性。

Unity工程师自述ML-Agent在游戏开发中的意义

过去,开发人员需要手工编写代码,让训练环境中的相互作用逐步训练Agent,典型场景是一个单一环境+紧密耦合的Agent。Agent的动作改变环境状态,环境反馈给Agent各种奖励。

典型的强化学习训练循环

Unity希望设计一个系统,让游戏引擎更灵活易用。因此,Unity推出了ML-Agents,并且发布了开放测试版SDK。ML-Agents SDK让开发者可用Python API将Unity Editor中创建的游戏和模拟场景转换成可被深度强化学习、进化策略或其他机器学习方法训练的环境。

在ML-Agents中配置学习环境的可视化描述

对任何学习环境来说,Agent、Brain和Academy是必不可少的三大对象。

每个Agent都可以有独特的状态和观察值,可在环境中单独采取动作并获取奖励。Agent的行动由与之相关的Brain决定的,每个Brain定义一个特定的状态和动作空间,并负责决定关联的Agent将采取哪些动作。之后,Brain将信息汇总到Academy中,定义了环境的范围,比如引擎配置、跳帧控制、场景长度等。

Agent、Brain和奖励不同的连接方式能创造不同场景,因此,Unity的ML-Agents够解锁各种训练场景。对于训练Agent的新手来说,Unity提供了典型的环境配置示例,并解释了如何用ML-Agents SDK创建它。

Unity在官方博客中展示了一些不同场景的训练实例,经过一段时间的训练,Agent的表现都很惊人:

30秒内训练Agent玩3D平衡球

Unity游戏引擎能高精度模拟现实场景,比如物体的纹理、光效、材质等。Unity AI和机器学习技术部的副总裁Danny Lange在接受采访时表示,Unity的ML-Agents的作用并不局限于虚拟游戏,还将加速现实生活中机器人等技术的进步。比如对自动驾驶行业来说,可以在计算机生成的但逼真的虚拟环境中较为真实地训练它们。

249 0 0

福建快3投注相关的文章

回到顶部

福建11选5开奖 北京11选5走势图 海南4+1 湖南快乐十分开奖 秒速快三怎么玩 秒速飞艇技巧 福建快3 秒速快三注册 秒速飞艇开户 秒速飞艇官网