(latest release) (all releases)
Unity Machine Learning Agents Toolkit (ML-Agents)是一个开源软件 项目，使游戏和模拟作为环境训练智能代理。我们提供实现(基于PyTorch)最先进的算法，使游戏开发者和爱好者轻松为2D、3D和VR/AR游戏训练智能代理。研究人员也可以使用提供了简单易用的Python API来使用强化学习训练agent，模仿学习，神经进化或其他方法。这些训练有素的特工可以用于多种目的，包括控制NPC行为设置，如多代理和对抗性)，自动测试游戏构建在发行前评估不同的游戏设计决策。的ML-Agents工具包对游戏开发者和AI研究人员都是互惠互利的提供了一个**平台，可以在Unity上评估人工智能的进步然后制作了丰富的环境，便于更广泛的研究和游戏开发者社区。
- 17+ 示例 Unity 环境
- 支持多种环境配置和训练场景
- 灵活的 Unity SDK，可以集成到您的游戏或自定义 Unity 场景中
- 支持通过多种深度强化学习算法（PPO、SAC、MA-POCA、self-play）训练单代理、多代理合作和多代理竞争场景。
- 支持通过两种模仿学习算法（BC 和 GAIL）从演示中学习。
- 快速轻松地添加您自己的 自定义训练算法 或组件.
- 针对复杂任务轻松定义的课程学习场景
- 使用环境随机化训练健壮的代理
- 通过按需决策制定灵活的代理控制
- 使用多个并发 Unity 环境实例进行训练
- 利用 Unity 推理引擎(Unity-Inference-Engine.md) 提供原生跨平台支持
- Unity环境 Python控制
- 利用 Unity推理引擎 gym 提供原生跨平台支持
- 将 Unity 学习环境包装为 PettingZoo 环境
有关所有这些功能的详细说明，请参阅我们的ML-Agents 概述页面 或者直接访问我们的[网络文档] (https://unity-technologies.github.io/ml-agents/).
Our latest, stable release is Release 20. Click
here
to get started with the latest release of ML-Agents.
您还可以查看我们的新网络文档!
下表列出了我们所有的版本，包括我们正在积极开发并且可能不稳定的主要main分支。 一些有用的指南：
- Versioning page 版本控制 页面概述了我们如何管理我们的 GitHub 版本以及每个 ML-Agents 组件的版本控制过程。
- Releases page 版本页面 版本页面包含版本之间更改的详细信息。
- Migration page 迁移页面 包含有关如何从早期版本的 ML-Agents 工具包升级的详细信息。
- 下表中的文档链接包括特定于每个版本的安装和使用说明。 请记住始终使用与您正在使用的发行版本相对应的文档。
com.unity.ml-agents包已针对 Unity 2020.1 及更高版本进行verified 验证。 已验证的软件包版本编号为 1.0.x
| Version | Release Date | Source | Documentation | Download | Python Package | Unity Package |
|---|---|---|---|---|---|---|
| Release 20 | November 21, 2022 | source | docs | download | 0.30.0 | 2.3.0 |
| main (unstable) | -- | source | docs | download | -- | -- |
| Verified Package 1.0.8 | May 26, 2021 | source | docs | download | 0.16.1 | 1.0.8 |
如果您是一名研究人员，对将 Unity 作为 AI 平台进行讨论感兴趣，请参阅我们关于。 Unity 和 ML-Agents 工具包的参考论文的预印本.
如果您使用 Unity 或 ML-Agents Toolkit 进行研究，我们要求您引用以下论文作为参考:
@article{juliani2020,
title={Unity: A general platform for intelligent agents},
author={Juliani, Arthur and Berges, Vincent-Pierre and Teng, Ervin and Cohen, Andrew and Harper, Jonathan and Elion, Chris and Goy, Chris and Gao, Yuan and Henry, Hunter and Mattar, Marwan and Lange, Danny},
journal={arXiv preprint arXiv:1809.02627},
year={2020}
}
此外，如果您在研究中使用 MA-POCA 训练器，我们要求您引用以下论文作为参考:
@article{cohen2022,
title={On the Use and Misuse of Abosrbing States in Multi-agent Reinforcement Learning},
author={Cohen, Andrew and Teng, Ervin and Berges, Vincent-Pierre and Dong, Ruo-Ping and Henry, Hunter and Mattar, Marwan and Zook, Alexander and Ganguly, Sujoy},
journal={RL in Games Workshop AAAI 2022},
year={2022}
}
我们有一个 Unity Learn 课程, ML-Agents: Hummingbirds, 它提供了对 Unity 和 ML-Agents Toolkit的简单介绍.
我们还与Youtuber CodeMonkeyUnity 合作创建了 一系列的视频教程 介绍如何实施和使用 ML-Agents Toolkit。
我们还发布了一系列与 ML-Agents 相关的博文：
- (July 12, 2021) ML-Agents plays Dodgeball ML-Agents 玩躲避球
- (May 5, 2021) ML-Agents v2.0 发布：现在支持训练复杂的合作行为
- (December 28, 2020) Unity ML-Agents 团队祝您节日快乐！
- (November 20, 2020) Eidos-Montréal 如何创建网格传感器来改进训练代理的观察
- (November 11, 2020) 2020 AI@Unity 实习生大喊大叫
- (May 12, 2020) 宣布推出 ML-Agents Unity Package v1.0！
- (February 28, 2020) 使用 ML-Agents 自我对弈训练智能对手
- (November 11, 2019) 使用 ML-Agents 将您的代理训练速度提高 7 倍
- (October 21, 2019) AI@Unity 实习生帮助塑造世界
- (April 15, 2019) Unity ML-Agents Toolkit v0.8：更快地训练真实游戏
- (March 1, 2019) Unity ML-Agents Toolkit v0.7：迈向跨平台推理的飞跃
- (December 17, 2018) ML-Agents Toolkit v0.6：改进大脑和模仿学习的可用性
- (October 2, 2018) Puppo, The Corgi：使用 Unity ML-Agents 工具包的可爱超载
- (September 11, 2018) ML-Agents Toolkit v0.5，面向 AI 研究人员的新资源现已推出
- (June 26, 2018) 用好奇心解决稀疏奖励任务
- (June 19, 2018) Unity ML-Agents Toolkit v0.4 和 Udacity 深度强化学习纳米学位
- (May 24, 2018) Unity 中的模仿学习：工作流程
- (March 15, 2018) ML-Agents Toolkit v0.3 Beta 发布：模仿学习、反馈驱动功能等
- (December 11, 2017) 在真实游戏中使用机器学习代理：新手指南
- (December 8, 2017) 介绍 ML-Agents 工具包 v0.2：课程学习、新环境等
- (September 19, 2017) 介绍：Unity 机器学习代理工具包
- Overviewing reinforcement learning concepts (多臂强盗 and Q-learning)
ML-Agents 工具包是一个开源项目，我们鼓励并欢迎贡献。 如果您想做出贡献，请务必查看我们的 贡献指南 and 行为守则.
For problems with the installation and setup of the ML-Agents Toolkit, or discussions about how to best setup or train your agents, please create a new thread on the Unity ML-Agents forum and make sure to include as much detail as possible. If you run into any other problems using the ML-Agents Toolkit or have a specific feature request, please submit a GitHub issue.
Please tell us which samples you would like to see shipped with the ML-Agents Unity package by replying to this forum thread.
Your opinion matters a great deal to us. Only by hearing your thoughts on the Unity ML-Agents Toolkit can we continue to improve and grow. Please take a few minutes to let us know about it.
For any other questions or feedback, connect directly with the ML-Agents team at [email protected].
In order to improve the developer experience for Unity ML-Agents Toolkit, we have added in-editor analytics. Please refer to "Information that is passively collected by Unity" in the Unity Privacy Policy.
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent