安妮整理整理
由量子比特出品| 公众号
欢迎来到游戏世界。
如果你没有听说过Unity也没关系，王者荣耀、纪念碑谷、神庙逃亡2、精灵宝可梦GO等游戏你一定不陌生。 是的，Unity 是他们的游戏引擎。
今天，Unity 宣布推出 Unity Agent（ML-Agent），它将游戏引擎与 等机器学习框架连接起来。 通过深度强化学习算法的反复试验，非玩家角色 (NPC) 变得更具创造力和战略性。
在游戏开发的过程中，玩家既不能因为太简单而感到无聊，也不能因为太难而失去兴趣。 Unity开发者表示，Unity的ML-Agent将有助于提高游戏的可玩性。
△Unity工程师讲述ML-Agent在游戏开发中的意义
过去，开发人员需要手动编写代码，让训练环境中的交互逐步训练智能体。 典型的场景是单一环境+紧耦合的Agent。 Agent的动作改变环境的状态，环境将各种奖励反馈给Agent。
△ 典型的强化学习训练循环
Unity希望设计一个系统，让游戏引擎更加灵活、易用。 因此，Unity推出了ML-，并发布了公测SDK。 ML-SDK 允许开发人员使用 API 将 Unity 中创建的游戏和模拟转换为可以通过深度强化学习、进化策略或其他机器学习方法进行训练的环境。
△ML中配置学习环境的可视化描述-
对于任何学习环境，Agent、Brain 和 是三个必不可少的对象。
每个智能体都可以有独特的状态和观察结果，并且可以单独在环境中采取行动并获得奖励。 代理的行为由其关联的大脑决定。 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 将信息聚合成 ，并定义环境的范围，例如引擎配置、跳帧控制、场景长度等。
Agent、Brain和奖励的不同连接方式可以创造不同的场景。 因此，Unity的ML——可以解锁各种训练场景。 对于刚开始训练代理的人，Unity 提供了典型环境配置的示例，并解释了如何使用 ML-SDK 创建它。
Unity在官方博客中展示了一些不同场景的训练示例。 经过一段时间的训练，Agent的表现令人惊叹：
△训练Agent在30秒内打3D平衡球
Unity游戏引擎可以高精度模拟现实场景，比如物体纹理、光效、材质等。Unity人工智能和机器学习技术部副总裁Danny Lange在接受采访时表示，Unity的ML-的作用是不仅限于虚拟游戏，还将加速机器人等技术在现实生活中的进步。 例如，对于自动驾驶行业，他们可以在计算机生成但真实的虚拟环境中接受更真实的训练。
最后附上Unity官方博客：
和 ML 代码：
玩得开心~
- 超过-
加入社区
量子比特AI社区8群已开始招募，欢迎对AI感兴趣的同学，添加小助手微信加入群；
此外，量子比特专业板块（自动驾驶、CV、NLP、机器学习等）正在招聘相关领域的工程师和研究人员。
进群请添加小助手的微信，并务必记下对应群的关键词哦~审核通过后我们会邀请您入群。 （专业组审核严格，敬请理解）
诚意招聘
量子位正在招聘编辑/记者，工作地点为北京中关村。 我们期待有才华、有热情的学子加入我们！ 相关详情请在量子比特公众号（）对话界面回复“招聘”。
量子比特
̾'ᴗ' ̫ 追踪AI技术和产品最新动态
